首页|织物纹样特征提取与匹配方法比较

织物纹样特征提取与匹配方法比较

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对织物纹样自动识别过程中因尺度、旋转和褶皱等因素引起图像差异的问题,探索了复杂纹样特征的准确提取与匹配方法.以江崖海水纹样为例,采集尺度、旋转、模糊、光照、褶皱5种变化下的织物纹样图像,分别运用尺度不变特征变换(SIFT)、快速鲁棒性尺度不变特征(SURF)、二进制鲁棒不变可扩展关键点(BRISK)3种方法提取纹样局部特征,然后采用欧氏距离进行特征匹配计算,最后通过随机抽样一致算法剔除误匹配对.结果表明:采用BRISK算法的准确配对率最高,平均准确匹配率达87.10％;褶皱对织物特征匹配的影响最大,该变化下BRISK算法的鲁棒性优于SIFT和SURF算法;BRISK算法速度最快,图像平均匹配时间0.551 s;在织物纹样特征匹配中,BRISK算法比SIFT和SURF算法具有更好的适用性.
Comparison of feature extracting and matching methods for fabric patterns

汪会、孙洁、丁笑君、龙颖、邹奉元

展开 >

浙江理工大学 服装学院, 浙江 杭州 310018

浙江理工大学 浙江省服装工程技术研究中心,浙江 杭州 310018

浙江省服装个性化定制协同创新中心, 浙江 杭州 310018

江崖海水纹样 特征提取 二进制鲁棒不变可扩展关键点算法 特征匹配 织物纹样识别

浙江省2011协同创新中心科技研发专项资助项目2019年浙江省大学生科技创新活动计划项目浙江理工大学2018年优秀研究生学位论文培育基金

17034005-F2019R4060702018-XWLWPY-M-04-04

2020

纺织学报
中国纺织工程学会

纺织学报

CSTPCDCSCD北大核心EI
影响因子：0.699
ISSN：0253-9721
年,卷(期)：2020.41(4)
  • 6
  • 7