[发明专利]一种基于傅里叶描述子和BP神经网络的服装款式识别方法

摘要

本发明涉及一种基于傅里叶描述子和BP神经网络的服装款式识别方法，通过对服装图像的预处理，获取服装的外部轮廓，然后进行服装外部轮廓的傅里叶描述，并进行数据的预处理，再予以基于反向传播(BP)神经网络的服装款式识别。所述对服装图像的预处理是指对服装图像分割处理，分割得到服装区域，并进行边缘检测，得到服装的轮廓图像。所述对服装的外部轮廓的傅里叶描述是指提取服装轮廓形状的标准化傅里叶描述子特征向量，所述数据的预处理是对标准化傅里叶描述子特征向量进行归一化处理和主成分分析。所述基于BP神经网络的服装款式识别是对主成分矩阵使用三层的BP神经网络进行服装款式的识别。本发明能够达到81％的识别准确率，鲁棒性和泛化能力强，可适用于服装图像中服装的款式识别。

主权项

1.一种基于傅里叶描述子和BP神经网络的服装款式识别方法，其特征是：通过对服装图像的预处理，获取服装的外部轮廓，然后进行服装的外部轮廓的傅里叶描述，并进行数据的预处理，再予以基于BP神经网络的服装款式识别；所述对服装图像的预处理是指对服装图像分割处理，找到最大面积的8连通区域即为服装区域，并对服装区域填充内部空洞；所述获取服装的外部轮廓是指对服装图像的预处理后进行外部的边缘检测，得到服装的轮廓图像；所述服装图像分割的步骤为：(1)将灰度图像的灰度值在low‑255之间的值映射到0‑255之间，低于low的值映射为0，增强灰度图像中服装图案与背景的对比度；(2)使用最大类间方差法对灰度图像进行二值化，并对二值图像进行取反运算，便于后续形态学处理；(3)对二值图像进行形态学闭运算处理，平滑服装图案的边界，连接边界狭窄的缺口，其中闭运算的结构元素为半径2‑4个像素的圆盘；(4)在上步骤获得的二值图像中标记8连通的区域，找到最大面积的8连通区域即为服装区域，并对服装区域填充内部空洞；所述服装的外部轮廓的傅里叶描述具体为：服装的外部轮廓中的轮廓像素点采用坐标b(k)＝(x_k,y_k)表示，式中x_k和y_k分别为其横坐标值与纵坐标值；k＝0,1,2,...N‑1；N为轮廓像素点总数；每个坐标写成复数形式：b(k)＝x_k+jy_k，j为虚数单位；将复数坐标序列b(k)进行离散傅里叶变换得到服装轮廓b(k)的傅里叶描述序列a(u)：式中u取值为0,1,2,...,N‑1；e为自然常数；为了得到对图像平移、旋转和缩放不敏感的傅里叶描述子，进一步对a(u)进行标准化得到标准化傅里叶描述子s(u)：式中u取值为1,2,3,...,N‑1；[s(1),s(2),s(3),...,s(N‑1)]即为表示服装轮廓形状特征的标准化傅里叶描述子特征向量。