基于超像素分割的服飾提取算法研究與實(shí)現(xiàn).pdf

1、隨著互聯(lián)網(wǎng)信息技術(shù)和電子商務(wù)產(chǎn)業(yè)的快速發(fā)展，線上購物成為一種方便、快捷、有吸引力的購物方式，得到了數(shù)以十億計(jì)的網(wǎng)絡(luò)用戶的關(guān)注。其中，服飾類商品在電商行業(yè)中具有十分重要的地位。通常，網(wǎng)絡(luò)用戶，尤其是女性消費(fèi)者每天會花費(fèi)幾個(gè)小時(shí)來瀏覽、搜索和選擇滿足她們需求的服飾。因此，基于計(jì)算機(jī)視覺的服飾搜索服務(wù)具有很大的商業(yè)價(jià)值。然而，服飾類購物圖像通常拍攝于自然戶外場景，且由時(shí)尚模特穿著來進(jìn)行展示，這些特性使針對服飾類商品的視覺搜索成為一個(gè)極具挑戰(zhàn)性

2、的課題。本文對服飾類商品圖像進(jìn)行研究，從中提取出服飾來增強(qiáng)視覺搜索的質(zhì)量，主要內(nèi)容如下:
　　第一，提出了一種結(jié)合姿勢檢測和區(qū)域比較的服飾提取算法，其使用超像素分割算法將圖像分成一系列區(qū)域，利用姿勢檢測定位服飾的大致區(qū)間，并將兩者結(jié)合確定服飾的種子區(qū)域。然后，本文結(jié)合位置信息和HSV顏色特征來計(jì)算區(qū)域間的相似度，利用加權(quán)平方誤差和來構(gòu)造目標(biāo)函數(shù)，將服飾分割問題轉(zhuǎn)化為通過迭代計(jì)算和重分配區(qū)域類別來最小化目標(biāo)函數(shù)。實(shí)驗(yàn)結(jié)果表明算法快速

3、且具有魯棒性，能夠自動有效地進(jìn)行服飾提取。
　　第二，提出了基于衣物屬性和人體結(jié)構(gòu)的服飾提取優(yōu)化。對于區(qū)域比較算法來說，前景可能包含多個(gè)不連通部分，本文利用區(qū)域的大小和位置對其進(jìn)行重要性建模?？紤]到服飾的完整性，被服飾區(qū)域包圍的像素也應(yīng)該為服裝，因此我們將服飾內(nèi)部像素分配為前景類別。本文還提出了一種基于最大后驗(yàn)概率的軀干模型，并利用軀干位置優(yōu)化沒有附著服飾的部位，如頭部和下肢。最后，采用GrabCut算法對服飾提取結(jié)果進(jìn)行像素級別