基于Snake-Net算法的刺绣针法识别

为有效提取刺绣图像中针法的特征值,实现刺绣针法的分类识别,在分析刺绣针法特点的基础上,提出了点状针法、线状针法和块面状针法的三大针法分类,并以占主体的块面状针法中的齐针、抢针和套针3种基础针法为处理对象,分析对比其针法特征,构建针法模型。针对刺绣针法图像进行图像纹理细节的增强处理,基于Harris角点检测特征点和Canny轮廓筛选,对传统Snake算法进行改进,形成智能化HC-Snake模型,实现对目标轮廓的智能化识别并提取目标图像的纹理及颜色特征。通过数据的方差分析确定CON sd,IDM sd,E a,E sd,ENT a,ENT sd,COR sd,SM和TM共9个特征指标,建立特征数据集。最后,建立神经网络分类模型,对针法样本进行分类,并对识别模型进行了实例验证。结果表明,该模型可以实现刺绣针法图像的分类,且分类准确率达到93.3%。

乱针绣模拟的参数化生成方法

针对乱针绣这一中国传统刺绣工艺的数字化保护和传承问题,为了体现其融绘画与绣法于一体的特色,提出一种乱针绣模拟的参数化生成方法.首先定义了一种乱针绣参数化针法模型,以线条疏密、长度和方向等参数来表示乱针绣生成效果;其次采用图像解析方法提取图像区域,并通过建立各区域的针法模型实现对图像内容的层次化描述;最后通过建立图像矢量场及其非均匀网格与针法模型方向和长度参数间的映射关系来生成乱针绣模拟图像.实验结果表明,该方法能够有效地模拟乱针绣效果.