融合自适应局部特征与改进模糊C均值的服饰分割算法
Clothing segmentation method combined with adaptive local features and improved fuzzy C-means作者机构:西安工程大学电子信息学院陕西西安710600
出 版 物:《纺织高校基础科学学报》 (Basic Sciences Journal of Textile Universities)
年 卷 期:2021年第34卷第1期
页 面:47-54页
学科分类:1305[艺术学-设计学(可授艺术学、工学学位)] 0810[工学-信息与通信工程] 13[艺术学] 0817[工学-化学工程与技术] 08[工学] 0805[工学-材料科学与工程(可授工学、理学学位)] 081002[工学-信号与信息处理]
基 金:国家自然科学基金青年项目(61901347) 大学生创新创业训练计划项目(S202010709104)
主 题:服饰图像分割 着装人体 超像素 聚类分割 局部空间信息 模糊C均值算法
摘 要:提取人体着装图像的服饰区域时,易受光照、阴影遮盖与人体姿态、肤色等问题的影响,提出一种融合自适应局部特征与改进模糊C均值(fuzzy C-means,FCM)的服饰图像分割算法。首先,通过改进区域生长法消除阴影实现前景提取;其次,采用MDSMGR-WT超像素分割获取图像局部特征,将自适应局部信息融入双加权FCM目标方程中,实现二次精细化分割;最后,经肤色检测提取目标服饰区域。实验结果表明,该方法的准确率可达78.93%,召回率90.12%,查准率89.93%。该方法能够减少内部区域噪声,提高服饰图像的分割精度。