針對織物紋樣自動識別過程中因尺度、旋轉(zhuǎn)和褶皺等因素引起圖像差異的問題,探索了復(fù)雜紋樣特征的準(zhǔn)確提取與匹配方法。以江崖海水紋樣為例,采集尺度、旋轉(zhuǎn)、模糊、光照、褶皺5種變化下的織物紋樣圖像,分別運(yùn)用尺度不變特征變換（SIFT）、快速魯棒性尺度不變特征（SURF）、二進(jìn)制魯棒不變可擴(kuò)展關(guān)鍵點(diǎn)（BRISK） 3種方法提取紋樣局部特征,然后采用歐氏距離進(jìn)行特征匹配計算,最后通過隨機(jī)抽樣一致算法剔除誤匹配對。結(jié)果表明:采用BRISK算法的準(zhǔn)確配對率最高,平均準(zhǔn)確匹配率達(dá)87. 10%;褶皺對織物特征匹配的影響最大,該變化下BRISK算法的魯棒性優(yōu)于SIFT和SURF算法; BRISK算法速度最快,圖像平均匹配時間0. 551 s;在織物紋樣特征匹配中,BRISK算法比SIFT和SURF算法具有更好的適用性。 

【文章來源】：紡織學(xué)報. 2020,41(04)北大核心EICSCD

【文章頁數(shù)】：6 頁

【部分圖文】：

江崖海水紋獲取流程

實(shí)驗(yàn)平臺采用Visual Studio 2017搭建OpenCV 2.4.9計算機(jī)視覺庫，電腦操作系統(tǒng)為Windows 10,CPU為Inter(R)HD Graphics 4600，顯存為2 GB。1.3 圖像預(yù)處理

式中:f(x,y)、g(x,y)分別為原始圖像和處理后圖像;(x,y)為像素坐標(biāo);W為窗口大小，實(shí)驗(yàn)中采用3×3的窗口，經(jīng)中值濾波后獲得的圖像見圖3(c)。2 面料圖像的特征提取與匹配

【參考文獻(xiàn)】：
期刊論文
[1]基于邊緣和顏色特征的織物印花花型檢索[J]. 向忠,何旋,錢淼,胡旭東.  紡織學(xué)報. 2018(05)
[2]基于層次匹配下多種特征融合的蕾絲花邊檢索方法[J]. 曹霞,李岳陽,羅海馳,蔣高明,叢洪蓮.  計算機(jī)工程與科學(xué). 2017(09)
[3]不同距離測度的SIFT特征描述符相似性度量比較[J]. 楊帆,郭建華,譚海,雷兵.  遙感信息. 2017(01)
[4]Fabric Pattern Elements Retrieval Based on Cosine Transform[J]. ZHAO Hai-ying,JIA Geng-yun,TAN Xin.  Computer Aided Drafting,Design and Manufacturing. 2015(03)
[5]畬族服裝特征提取及其分布[J]. 丁笑君,鄒楚杭,陳敬玉,鄒奉元.  紡織學(xué)報. 2015(07)
[6]特征提取與匹配算法在民族服飾圖案上的應(yīng)用研究[J]. 陳金廣,曹春梅,任冰青,馬麗麗.  絲綢. 2015(05)
[7]清代龍袍紋樣探析[J]. 王業(yè)宏.  絲綢. 2009(07)



本文編號：3099377