主颜色提取算法及其在服装图像检索中的应用

为了提高服装检索的查准率和查全率,利用人们对服装颜色的主观感知,提出了用于服装图像的颜色特征提取的主颜色提取算法:首先,根据服装的主颜色占比情况判断该服装是花色还是非花色,将花色服装用特征值进行标记;然后,将颜色直方图中的特征值按占比大小降序排列,去除占比较小的部分特征值,保留主颜色特征值.在进行服装检索时,先对数据库中的图像进行第1轮筛选,将花色服装与非花色服装进行分类;然后再对分类后的服装根据主颜色特征值进行第2轮筛选,得到最后的检索结果.实验结果表明:无论对于简单背景或者复杂背景的服装、花色或者非花色服装,本文算法相比于现有的其他算法,服装检索的查全率和查准率都得到了显著提高.

基于分块主颜色匹配的图像检索

针对颜色直方图无法表达颜色空间分布信息的问题,提出一种基于分块主颜色匹配的图像检索算法,对图像进行新的重叠分块,提取各分块的主颜色,将简化的二次式距离计算方法应用到分块主颜色的匹配中,并对图像各个分块的颜色特征采用不同的加权系数。实验结果表明,该算法在保持较高检索精度的同时,能够降低特征空间维度,提高检索性能。

基于改进MobileNetV3模型的服装流行色研究

鉴于目前基于权威部门发布数据分析预测服装流行色方法存在的数据集受限、不够精准、数据实时性差等问题,提出了基于改进MobileNetV3模型的服装流行色研究方法。采用改进的MobileNetV3模型,快速处理服装分类问题;以时序化电商平台销售数据为样本,基于GrabCut算法分析服装图像的主颜色;通过K-means算法统计主颜色和其他颜色的占比;对服装主颜色进行时间维度、服装种类维度和品牌维度的分析,以得出服装流行色的趋势数据。研究发现,相较于传统方法,基于改进MobileNetV3模型的服装流行色研究方法所得数据实时性更强、容量更大,其分析速率也更高。

一种基于数据场聚类的图片相似性比较方法

针对图片相似性比较的问题,提出了一种基于数据场聚类的图片相似性比较方法。该方法首先把图片信息从RGB颜色模型转换到HSV颜色模型,再把每个像素点投影到HSV三维空间,通过数据场聚类算法提取主颜色,最后依据两张图片的主颜色进行图片相似程度的判断。通过试验验证,该算法具有较好相似性判断的效果。