融合形态学连通域和CV模型的民族服饰图案纹样元素分割方法

TP391.4; 对民族服饰图案进行自动分割以提取图案纹样元素,是民族服饰图案素材库构建急需解决的难题.通过融合形态学连通域标记和CV模型(MCC-CV),提出了一种民族服饰图案自动分割方法,首先对民族服饰图案进行预处理,然后采用形态学连通域标记算法获得待分割目标的位置和大致轮廓信息,对CV模型进行初始化,最后通过CV模型对不同分割目标进行边缘追踪,以实现民族服饰图案纹样元素的自动分割.实验表明,融合形态学连通域和CV模型的民族服饰图案纹样元素自动分割方法在边界召回率(BR)为0.5时,分割准确率为60％,与其他自动分割算法相比,该算法更为有效,满足了民族服饰图案素材库建设对图案纹样元素分割的...

Full description

Saved in:
Bibliographic Details
Published in浙江大学学报（理学版） Vol. 46; no. 3; pp. 288 - 294
Main Authors 侯小刚, 陈洪, 赵海英
Format Journal Article
LanguageChinese
Published 北京邮电大学 网络技术研究院,北京,100876%北京邮电大学 计算机学院,北京,100876 01.05.2019
Subjects
民族服饰
自动分割
形态学连通域和CV模型(MCC-CV)
图案纹样元素
Online AccessGet full text

Cover

More Information
Summary:TP391.4; 对民族服饰图案进行自动分割以提取图案纹样元素,是民族服饰图案素材库构建急需解决的难题.通过融合形态学连通域标记和CV模型(MCC-CV),提出了一种民族服饰图案自动分割方法,首先对民族服饰图案进行预处理,然后采用形态学连通域标记算法获得待分割目标的位置和大致轮廓信息,对CV模型进行初始化,最后通过CV模型对不同分割目标进行边缘追踪,以实现民族服饰图案纹样元素的自动分割.实验表明,融合形态学连通域和CV模型的民族服饰图案纹样元素自动分割方法在边界召回率(BR)为0.5时,分割准确率为60％,与其他自动分割算法相比,该算法更为有效,满足了民族服饰图案素材库建设对图案纹样元素分割的基本要求.
ISSN:1008-9497
DOI:10.3785/j.issn.1008-9497.2019.03.004