基于图像的服装号型推荐模型研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究目的与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 图像边缘提取技术的研究现状 | 第12-13页 |
| 1.2.2 服装合身度评价的研究现状 | 第13-14页 |
| 1.2.3 支持向量机的研究现状 | 第14-15页 |
| 1.3 论文的主要内容和创新点 | 第15-16页 |
| 1.4 论文的章节安排 | 第16-17页 |
| 第2章 基于图像的人体边缘轮廓提取 | 第17-27页 |
| 2.1 引言 | 第17页 |
| 2.2 实验图像获取 | 第17-18页 |
| 2.2.1 实验样本容量确定 | 第17-18页 |
| 2.2.2 实验要求 | 第18页 |
| 2.3 图像边缘提取算法的原理介绍 | 第18-26页 |
| 2.3.1 梯度算子 | 第19-20页 |
| 2.3.2 Canny算子 | 第20-22页 |
| 2.3.3 Canny算子的优化 | 第22-26页 |
| 2.4 小结 | 第26-27页 |
| 第3章 人体尺寸和服装尺寸信息获取 | 第27-38页 |
| 3.1 引言 | 第27页 |
| 3.2 人体尺寸信息获取计划方案 | 第27-28页 |
| 3.3 人体尺寸信息获取方法 | 第28-36页 |
| 3.3.1 Harris角点检测算法原理 | 第28-29页 |
| 3.3.2 人体特征点提取 | 第29-30页 |
| 3.3.3 人体关键部位位置确定 | 第30-32页 |
| 3.3.4 关键部位宽度和厚度确定 | 第32-34页 |
| 3.3.5 特征尺寸提取结果分析 | 第34页 |
| 3.3.6 人体三维尺寸信息转换 | 第34-36页 |
| 3.4 服装号型尺寸信息获取 | 第36-37页 |
| 3.5 小结 | 第37-38页 |
| 第4章 服装合身度评价模型的建立 | 第38-45页 |
| 4.1 引言 | 第38页 |
| 4.2 服装合身度评价指标及表现形式[50] | 第38-40页 |
| 4.2.1 空间表现形式 | 第38-39页 |
| 4.2.2 平面表现形式 | 第39页 |
| 4.2.3 压力等其他表现形式 | 第39-40页 |
| 4.3 合身度评价模型的构建 | 第40-44页 |
| 4.3.1 合身度评价函数的定义 | 第40-42页 |
| 4.3.2 号型确认方法 | 第42-43页 |
| 4.3.3 实验举例 | 第43-44页 |
| 4.4 小结 | 第44-45页 |
| 第5章 基于SVM的服装号型推荐模型 | 第45-61页 |
| 5.1 引言 | 第45页 |
| 5.2 支持向量机的基础知识 | 第45-48页 |
| 5.2.1 支持向量机理论的介绍 | 第45-46页 |
| 5.2.2 核函数类 | 第46-47页 |
| 5.2.3 支持向量机的多分类算法 | 第47-48页 |
| 5.3 支持向量机参数优化算法 | 第48-51页 |
| 5.3.1 遗传算法 | 第48-49页 |
| 5.3.2 粒子群算法 | 第49-50页 |
| 5.3.3 网格搜索算法 | 第50-51页 |
| 5.4 构建SVM模型步骤 | 第51-59页 |
| 5.4.1 数据归一化 | 第51页 |
| 5.4.2 训练样本和测试样本的确定 | 第51-52页 |
| 5.4.3 核函数的确定 | 第52-53页 |
| 5.4.4 参数寻优 | 第53-59页 |
| 5.5 BP神经网络预测模型 | 第59-60页 |
| 5.6 小结 | 第60-61页 |
| 第6章 总结与展望 | 第61-63页 |
| 6.1 总结 | 第61-62页 |
| 6.2 展望 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 致谢 | 第68-69页 |
| 攻读硕士期间参与的项目和学士成果 | 第69页 |
