畬族服裝特征提取及其分布

丁笑君，鄒楚杭，陳敬玉，鄒奉元

(1.浙江理工大學服裝學院，浙江 杭州 310018;2.浙江省服裝工程技術研究中心，浙江 杭州 310018;3.伊利諾伊大學厄巴納-香檳分校計算機科學系，美國 伊利諾伊州厄巴納 61801)

畬族服裝特征提取及其分布

丁笑君1，2，鄒楚杭3，陳敬玉1，鄒奉元1，2

(1.浙江理工大學服裝學院，浙江 杭州 310018;2.浙江省服裝工程技術研究中心，浙江 杭州 310018;3.伊利諾伊大學厄巴納-香檳分校計算機科學系，美國 伊利諾伊州厄巴納 61801)

服飾紋樣是畬族服裝的重要特征，這些特征的數字化研究對畬族服裝的計算機自動分類有重要意義。實驗選取12款典型畬族服裝，采用高斯模糊和尺度不變特征轉換方法從服裝樣圖中提取特征關鍵點，并獲得在領口、門襟、袖口和側開衩等不同區域的關鍵點分布。結果表明:用計算機獲得的關鍵點分布與不同類別畬族服裝特征之間具有良好的一致性;通過關鍵點數量分析，可以得到不同類別畬族服裝的關鍵設計區域和排序;用關鍵點向量間方差大小可以表征畬族服裝紋理的復雜度。該方法可有效識別不同類別的畬族服裝，為畬族服飾設計提供了參考。

畬族服裝;高斯模糊;尺度不變特征轉換;服裝特征;關鍵點分布;服裝類別

畬族是我國東南地區的少數民族，具有獨特的服飾文化，至今仍保留著許多鮮明的服飾特征，服飾成為了畬族的標志和族群認知的依據［1］。根據文獻資料顯示，分布在不同地區的畬族服飾存在或多或少的外觀差異，這些服飾在款式和裝飾細節上各不相同［2］，但又有共同的民族文化印記［3］。福建閩東地區分布著福安、羅源、福鼎和霞浦4種服飾樣式［4］，這些服裝均為右衽大襟式小袖服，衣片主色為青黑色，但領座高度、門襟的開襟形式等各不相同。紛繁的服飾樣式分支使畬族服裝呈現出多樣化的外觀，這在一定程度上帶來了辨識難度。

近年來，一些專家學者在服裝特征數字化領域進行了探索。周廣君［5］利用邊緣檢測算子對服裝款式圖片進行邊緣特征點的提取;徐紅梅［6］運用灰度共生矩陣和神經網絡的方法提取互助土族服飾的圖像紋理特征;盧興敬［7］利用JSEG分割算法，提取服裝圖像的顏色特征和紋理特征;張海花［8］從符號學、傳播學的角度，對服裝風格符號特征進行分析;徐慧娟［9］應用多元尺度法、眼動跟蹤技術、意象尺度法分析女上裝造型，提取出女上裝造型特征。然而，上述方法均未對紋樣特征的分布情況進行分析。

與上述服裝特征提取方法不同，尺度不變特征轉換方法(SIFT)能從圖像中提取相應的關鍵點，并同時獲取相應的紋理特征和分布情況，因此，本文采用高斯模糊對圖像進行預處理以平滑噪聲，而后采用SIFT方法從具有典型意義的畬族女子服裝圖樣中提取不同部位可靠的特征關鍵點;通過對關鍵點分析、歸納得到畬族服飾設計的重點區域;由區域內關鍵點向量間方差大小來表征畬族服裝紋理的復雜度。期望為不同類別畬族服裝的識別和服飾設計實踐提供指導。

1 實驗

1.1 實驗樣衣

實驗選取具有典型特征的福建省畬族女上衣，分為福鼎、羅源、福安、霞浦4個類別，各有3件典型款式。其中樣衣1為福鼎金鳳畬族服飾有限公司提供，樣衣2、3為福鼎硤門畬族鄉藏品，樣衣4、5、6為羅源蘭曲釵制作，樣衣7、8、9為福安阮曉東藏品，樣衣10為霞浦畬民家傳服飾，樣衣11、12為霞浦雷其松藏品，實驗樣衣共12件，如圖1所示。

圖1 實驗樣衣Fig.1 Samples for experiment.(a)Sample 1，Fuding;(b)Sample 2，Fuding;(c)Sample 3，Fuding;(d)Sample 4，Luoyuan;(e)Sample 5，Luoyuan;(f)Sample 6，Luoyuan;(g)Sample 7，Fu'an;(h)Sample 8，Fu'an;(i)Sample 9，Fu'an;(j)Sample 10，Xiapu;(k)Sample 11，Xiapu;(l)Sample 12，Xiapu

4個類別的實驗樣衣均為右衽，但領座高度、門襟的開襟形式、花邊圖案的裝飾重點各不相同。福鼎式和霞浦式均為立領大襟，領座較高，胸襟處有多層紅色繡花，但福鼎式領口飾有2粒俗稱楊梅球的絨花，有的還在袖口用3層彩色拼接進行裝飾;羅源式為交領大襟衣，在門襟、領圈至肩部和袖口有多層花邊，樣式華麗;福安式較為素雅，立領大襟，領座較低，胸襟處有紅色三角形拼接裝飾。

1.2 SIFT算法關鍵點提取原理

SIFT的基本原理［10］是在圖像的不同尺度空間找到關鍵點，并提取尺度、旋轉和位置不變量等圖像特征。

1.2.1 尺度空間極值檢測

將彩色圖像轉換為灰度圖。采用高斯差分函數找到灰度圖像在不同尺度空間下保持穩定的潛在關鍵點，該函數在不同尺度空間σ下表現形式為:

式中:G(x，y，σ)為二維空間下尺度可變高斯函數;(x，y)為空間坐標;σ 為尺度坐標;I(x，y，σ)表示二維圖像I(x，y)與尺度可變高斯函數卷積所得的對應尺度空間。

1.2.2 關鍵點定位

根據所得的潛在關鍵點，確定其位置和尺度信息，并以此為依據挑選出尺度、旋轉和位置信息穩定的點作為關鍵點。

式中:DT為矩陣D的轉置。若|D(x^)|＜0.03，則說明此關鍵點為不穩定的關鍵點，應剔除，反之保留。

1.2.3 方向分配

根據關鍵點所在的局部灰度圖像的梯度信息給關鍵點分配1個或多個方向。圖像I(x，y)在關鍵點(x0，y0)處梯度的方向參數定義為

1.2.4 關鍵點描述

用關鍵點周圍16像素×16像素的灰度圖像素塊內的梯度值來描述關鍵點。將16像素×16像素的像素塊分割為大小為4像素×4像素共16個子塊，對每個子塊內的16個像素點以0、45°、90°、135°、180°、225°、270°和 315°共 8 個主方向為基準進行像素梯度采樣，繪制16個像素點在主方向的梯度直方圖。16個子塊在8個方向的梯度直方圖數據組合成128維向量，即每個關鍵點的描述符。

通過上述SIFT算法，每張圖片可獲取若干關鍵點。這些關鍵點具有位置、尺度和方向不變性，其描述符可作為圖像特征用于圖像識別、分類和匹配等的依據。

2 結果與討論

2.1 畬族服裝特征提取和篩選

實驗采用MatLab(R2012a)軟件進行編程，實現畬族服裝特征提取和篩選。

2.1.1 特征尺度大小限制

通過SIFT算法，獲得畬族服裝圖像中的關鍵點。以福鼎類服裝為例(如圖2所示)，紅點為通過SIFT檢測到的關鍵點，以紅點為圓心的綠圓代表其尺度大小，從紅點伸向綠圓的綠色徑線的方向代表關鍵點的方向。

圖2 經SIFT算法后的結果Fig.2 Results after SIFT

由圖2可知，通過SIFT算法所得的關鍵點主要分布在領口、門襟、袖口和側開衩紋樣位置，這些位置均為畬族服裝設計的關鍵區域，這也證實了SIFT能有效提取畬族服裝設計的關鍵點。但實驗發現部分關鍵點的尺度值過大，如圖2中領口位置的一個關鍵點，其尺度范圍包括整個領口和門襟部分，這類關鍵點所包含的特征不具備代表性，因此，實驗通過限制特征尺度大小，預先排除這類不具備代表性的特征點。通過對比，剔除尺度半徑大于18個像素點的關鍵點，實驗結果如圖3所示。與圖2相比，剔除大尺寸關鍵點后所得的關鍵點更為清晰明確，更具代表性。

圖3 限制尺度大小后的SIFT實驗結果Fig.3 Experimental results after SIFT by limiting size

2.1.2 剔除邊緣及褶皺處關鍵點

實驗中檢測到有關鍵點存在于服裝邊緣，還有一些關鍵點被定位于衣服褶皺處，這是由圖片質量引起的，這些關鍵點同樣不具備代表性，因此，實驗要先對樣本圖像用高斯模糊進行預處理，剔除圖像中的噪聲和細節層次，降低褶皺和邊緣對關鍵點的影響。

關鍵點檢測結果見圖4。與圖3相比，通過高斯模糊的預處理，剔除了大部分的邊緣關鍵點和褶皺關鍵點，得到了較好的效果。其余3個類別的實驗樣衣檢測得到的關鍵點見圖5。由圖可知，經過高斯模糊的預處理后，關鍵點定位在領口和門襟、袖口及側開衩等服裝設計區。這與畬族服裝特征的主觀認知和識別相符，進一步驗證了SIFT算法獲取畬族服裝關鍵設計區域的有效性。

圖4 高斯模糊處理后的實驗結果Fig.4 Experimental results of Gauss fuzzy processing

圖5 經SIFT后的其他類別樣衣實驗結果Fig.5 Experimental results of other categories after SIFT.(a)Fu'an;(b)Luoyuan;(c)Xiapu

2.2 關鍵點分析

由實驗結果可知，畬族服裝關鍵點在不同部位所占的比例各不相同。為獲得特征關鍵點分布情況，結合畬族服裝設計區的重點部位，將實驗樣衣圖像簡單分割為6個部分:上下對半分;根據袖子與大身的比例，左袖尺寸∶大身尺寸∶右袖尺寸以3∶4∶3的比例分割。如圖6所示。

其中(1)號和(3)號區域包括袖口，(2)號區域包括領口和門襟，(5)號區域包括側開衩部位。

圖6 關鍵點所處位置切分Fig.6 Key point location segmentation.(a)Original sample;(b)After Gauss fuzzy processing

計算每件樣衣圖片中，處于領口和門襟、袖口及側開衩這3個區域內的關鍵點占每張圖片總關鍵點數量的比值，如圖7所示。表1示出關鍵點數量的比值。

圖7 不同區域關鍵點數量的比值分布圖Fig.7 Key point position proportional distribution

表1 關鍵點數量的比值Tab.1 Proportion of key point quantity

由表1可知實驗樣衣在3個不同區域的關鍵點分布情況。福鼎、羅源類樣衣，領口+門襟部位關鍵點最多，袖口次之，側開衩最少，而且各部位關鍵點多少差別明顯;福安、霞浦類樣衣，分布在領口+門襟處關鍵點較多，側開衩次之，袖口最少，但是側開衩和袖口部位關鍵點數比較接近。

SIFT算法所得關鍵點還具有紋理特征。某一區域內紋理復雜度可由區域內關鍵點向量間方差大小來表征。實驗樣衣的關鍵點描述符向量方差如表2所示。

表2 關鍵點描述符向量方差Tab.2 Descriptor vector variance of key point

由表2可知，福安類樣衣關鍵點描述符向量方差相近，說明3個區域的紋理復雜度相當;福鼎類和羅源類樣衣袖口紋理最復雜，領口+門襟次之，側開衩部分較簡單;霞浦類樣衣領口+門襟位置紋理最為復雜，側開衩次之，袖口明顯小于前兩個區域。觀察4類樣衣圖片，福安類樣衣3處花紋都較少，幾乎沒有紋理;福鼎類和羅源類袖口、領口有較多花紋，側開衩部分比較簡單;霞浦類樣衣袖口沒有花紋，領口門襟和側開衩有規律紋樣。主觀觀察結果與表2數據相符合，證明了尺度不變空間轉換還能表征樣衣不同區域紋理復雜度。

3 結論

本文采用尺度不變特征轉換的方法，從典型畬族服裝圖片中提取出畬族服裝特征的關鍵點，分析了畬族服裝不同類別的關鍵點在不同區域的分布情況，得到以下結論。

1)用尺度不變特征轉換方法，可以從畬族服裝樣圖中有效提取特征關鍵點，并與畬族服裝特征的主觀認知和識別具有良好的一致性。

2)通過分析獲取包括領口、門襟、袖口和側開衩等部位的特征關鍵點，得到了畬族服裝不同類別的關鍵設計區域和排序。

3)用關鍵點向量間方差大小，可以表征畬族服裝不同區域的紋理復雜度。

［1］ 閆晶，范雪榮，陳良雨.文化變遷視野下的畬族古代服飾演變動因［J］.紡織學報，2012，33(1):111－115.YAN Jing，FAN Xuerong，CHEN Liangyu.Evolution causes analysis of She's ancient costume from perspective of cultural change［J］.Journal of Textile Research，2012，33(1):111 －115.

［2］ 雷志良.畬族服飾的特點及其內涵［J］.中南民族學院學報:哲學社會科學版，1996(5):131.LEI Zhiliang.Traits and connotation of She people's costume［J］.Journal of South-Central University for Nationalities:Philosophy and Social Science，1996(5):131.

［3］ 陳敬玉.民族服飾的固態保護與活態傳承:以浙江景寧畬族為例［J］.絲綢，2011，48(5):48 －50，63.CHEN Jingyu.Studyon the solid protection and 1 iveinheritance of ethnic costume:take a case of She nationality in Jingning Zhejiang［J］.Journal of Silk，2011，48(5):48 －50，63.

［4］ 龔任界.霞浦畬族服飾研究［D］.福州:福建師范大學，2006:14－16.GONG Renjie.Research on the costume of the She Nationality in the region of Xiapu［D］.Fuzhou:Fuzhou Normal University，2006:14 －16.

［5］ 周廣君.圖像特征技術在個性化服裝款式系統中的應用研究［D］.上海:東華大學，2010:27－35，46－53.ZHOU Guangjun.Research of image feature extraction in personal garment pattern system［D］.Shanghai:Donghua University，2010:27 －35，46 －53.

［6］ 徐紅梅.民族服飾文化傳承中的圖像記錄研究:以互助土家服飾為例［D］.重慶:西南大學，2011:97－104.XU Hongmei.The picture record for ethnic dress culture inheritance:an case on Huzhu Tu Nationalty's dress［D］.Chongqing:Southwest University，2011:97－104.

［7］ 盧興敬.基于內容的服裝圖像檢索技術研究及實現［D］.哈爾濱:哈爾濱工業大學，2008:23－28.LU Xingjing.Research and implementation on content based clothing image retrieval［D］.Harbin:Harbin Institute of Technology，2008:23 －28.

［8］ 張海花.服裝風格與傳播研究［D］.北京:北京服裝學院，2009:11－21.ZHANG Haihua.The symbols of the apparel style and its communication［D］.Beijing:Beijing Institute of Fashion Technology，2009:11 －21.

［9］ 徐慧娟.基于Chanel女上裝的造型特征及意象空間研究［D］.杭州:浙江理工大學，2006:19－52.XU Huijuan.A study on style characters and image space based on CHANEL dress［D］.Hangzhou:Zhejiang Sci-Tech University，2010:19 －52.

［10］ LOWE D G. Object recognition from local scaleinvariant features［C］//JOHN K T，ANDREW B，YUICHI O，et al.The Proceedings of the Seventh IEEE International Conference on Computer Vision.Piscataway:the Institute of Electrical and Electronics Engineers Inc，1999:1150－1157.

Extraction and distribution of She nationality clothing characteristics

DING Xiaojun1，2，ZOU Chuhang3，CHEN Jingyu1，ZOU Fengyuan1，2
(1.School of Fashion Design ＆ Engineering，Zhejiang Sci-Tech University，Hangzhou，Zhejiang 310018，China;2.Zhejiang Provincial Research Center of Clothing Engineering Technology，Hangzhou，Zhejiang 310018，China;3.Department of Computer Science，University of Illinois at Urbana-Champaign，Urbana，Illinois 61801，USA)

Clothing patterns is an important feature of the She nationality clothing，so it is important to apply digital research based on the characteristics to the computer automatic classification of She nationality clothing.In this paper，12 typical She nationality clothing were selected，feature key points were abstracted from the clothing by using the Gauss fuzzy and scale-invariant feature transform method，and the key points distribution of different parts such as neckline，placket，cuffs and side slits were acquired.The results show that good agreement exists between the key point distribution obtained by computer and the different categories of the clothing feature.The key design area and sorting of different She nationality clothing were acquired by the analysis on the key points quantities.The complexity of the clothing texture can be characterized by the vector variance of key points.This method can effectively identify the different categories of the She nationality clothing and provide a reference for the clothing design.

She nationality clothing;Gauss fuzzy;scale-invariant feature transform;clothing feature;key points distribution;clothing category

TS 941.17

A

10.13475/j.fzxb.20140704506

2014－07－21

2015－02－16

浙江省服裝工程技術研究中心開放基金項目(2014YXQN10，2014KF16);浙江理工大學科研啟動基金項目(13072123-Y)

丁笑君(1981—)，女，實驗師，博士生。主要研究方向為服裝數字化技術及服裝人體工程。鄒奉元，通信作者，E-mail:zfy166@zstu.edu.cn。