李立瑶,顾梅花,杨 娜

(西安工程大学 电子信息学院,陕西 西安 710600)

0 引 言

如何使用户准确、快速地在网上搜索到心仪服饰，线上常采用基于内容的图像检索方法解决这一问题[1-2]。其中,服饰图像分割作为图像检索的前期工作,目的是获取图像中的服装区域[3-4]。现实的服装图像呈海量性、多样性等,在分割服装区域时极易受着装人体与拍摄环境等影响,产生光照不均、阴影遮挡、内部纹理噪声等,降低了分割准确率。在聚类分割方面,文献[5]通过分析阴影在不同颜色空间的特性,提出在YCbCr空间中依据本影检测框架与半影边界去除阴影。文献[6]提出利用邻域灰度的异质性获取局部上下文信息,并将高斯径向基核函数引入FCM的目标函数改善分割效果。文献[7]结合形态学重建与邻域信息优化FCM算法的分割精度,增强算法的鲁棒性。文献[8]将改进的超像素方法用于提取图像的局部特征,融入FCM算法中实现对彩色图像的快速分割。在服装实例分割方面,文献[9]采用基于局部空间信息的核模糊聚类算法分割服饰区域,但未标记背景与目标区域,对于彩色图像中目标服饰区域的提取效果不佳。文献[10]提出结合轮廓检测算法与全自动化GrabCut算法,解决服装图像前景提取时无法去除人体肤色干扰与复杂背景图像存在欠分割的问题。

针对上述问题,本文提出了一种融合自适应局部特征与改进FCM的服饰分割算法。首先，通过改进区域生长法消除阴影并提取前景区域。……