徐增波， 张 玲， 张艳红， 陈桂清

(上海工程技术大学 服装学院， 上海 201600)

利用图像处理与识别技术，识别服装图像款式信息，代替人工进行款式检索，可有效缩短检索时间，提高效率，节约空间。但是，目前已有的服装图像特征提取技术较复杂，且分类方法效率低，不适用于服装图像款式的识别。为此，文章以服装平面黑白色圆领款式图为研究对象，通过构建复杂网络方法来进行服装款式图轮廓的特征提取和描述，采用支持向量机(SVM)模型实现8种衣领类型图像的识别。

近年来，复杂网络理论在服装特征提取处理方面的应用日益广泛。Backes等[1]提取形状边界点构建复杂网络，通过模型的动态演化以及特征提取，实现目标对象的形状检索。随着研究的深入，许多研究学者基于复杂网络的形状描述提出改进方法。文献[2]采用节点间的相对一致性距离替代传统的欧氏距离作为边的权重值，该方法对描述目标形状具有更强的描述与识别能力。文献[3-4]提出基于有向复杂网络的形状分析方法，即从经过k近邻演化得到的不同时刻的有向子网络中提取网络特征来表征目标对象的形状特征。

对服装款式图提取特征后需要对其进行分类和识别，分类的方法由最初构建函数模型和聚类分析发展到现有运用计算机技术的模式分类器。李东[5]对带有纹理图案的款式图基于SVM分类器的傅里叶描述子和曲率特征模板匹配的方式进行款式图识别，得到了较高的识别率;An等[6]运用极端学习机分类器来训练分类进行过款式图边缘检测的小波傅里叶描述子。……