伴随二元关系粒运算的布料色卡图像检索模型

伴随二元关系的信息粒的加粗、加细、信息粒之间的并和交等的运算法则,为实现信息粒之间的有机联系与不同层次上的信息粒之间的变换提供了一种简单且有效的实现模型。针对布料制品加工领域中存在的找料难和分类难等问题,提出一种基于伴随二元关系粒运算体制的布料卡图像检索模型。采用粒计算方法构建具有不同粒度的布料色卡图像粒度空间,基于伴随二元关系粒运算体制的布料色卡图像检索方法以模拟人类识别与检索图像的方式对布料色卡图像进行检索,旨在有效解决了目前布料制品加工领域中存在的找料难和分类难的问题。基于所提出的模型,一个实际所开发的系统已经得到初步应用。

融合颜色与LBP纹理特征的布料色卡图像检索

针对在采购与销售布料中存在人工配色不准确、查找分类难等问题,基于图像检索相关技术,通过融合布料色卡图像的颜色特征和纹理特征进行图像检索应用研究。设计了布料色卡图像颜色特征提取算法和基于LBP的纹理特征提取算法,并提出融合颜色特征和纹理特征的布料色卡检索算法。对提出的融合颜色和纹理特征的布料色卡图像检索算法在3个标准图像纹理库和实际布料色卡图像数据集进行了详细的对比测试。通过对测试结果的分析,得出在融合颜色和LBP纹理特征的布料色卡图像检索方法中采用先颜色后纹理的策略进行布料色卡图像检索是最有效的检索方案。

布料色卡图像检索的深度学习模型

为解决箱包领域对不同分辨率和不同旋转角度的色卡图像存在检索效果差的问题,提出基于深度学习框架(GoogleNet、AlexNet和LeNet-5)和结合稀疏化Dropout结构改进的LeNet-5学习框架的色卡图像检索模型,设计了相应的实现方法。在两个标准数据集(Brodatz、UIUC)和一个真实领域采集的布料色卡图像数据集上与传统纹理图像检索模型进行对比测试和结果分析。结果表明对检索具有不同分辨率或者不同旋转角度的图像而言,基于深度学习的色卡图像检索模型具有更好的检索准确率,达到了在箱包领域进行色卡图像检索的实际应用要求。

基于Android的色卡识别系统的设计与实现

针对箱包企业在原料采购过程中找料难的问题,结合目前Android智能手机的普及,基于Android系统开发了一个色卡识别系统移动端。系统结合基于HSV颜色空间的主色权重直方图和带参数的LBP算子提取色卡的颜色和纹理特征,基于粒计算构建识别模型,针对用户特定需求,使用4种匹配模式结合颜色和纹理特征进行色卡识别。系统使用CS架构、MVC框架,做出概要设计后详细设计各个模块。在完成系统的开发后,系统在华为C8816上进行真机测试。结果表明:系统运行流畅,无卡顿等异常现象,达到预期效果,性能测试也表明系统具有较高的实用价值。