畲族服装特征提取及其分布

丁笑君，邹楚杭，陈敬玉，邹奉元

(1.浙江理工大学服装学院，浙江 杭州 310018;2.浙江省服装工程技术研究中心，浙江 杭州 310018;3.伊利诺伊大学厄巴纳-香槟分校计算机科学系，美国 伊利诺伊州厄巴纳 61801)

畲族服装特征提取及其分布

丁笑君1，2，邹楚杭3，陈敬玉1，邹奉元1，2

(1.浙江理工大学服装学院，浙江 杭州 310018;2.浙江省服装工程技术研究中心，浙江 杭州 310018;3.伊利诺伊大学厄巴纳-香槟分校计算机科学系，美国 伊利诺伊州厄巴纳 61801)

服饰纹样是畲族服装的重要特征，这些特征的数字化研究对畲族服装的计算机自动分类有重要意义。实验选取12款典型畲族服装，采用高斯模糊和尺度不变特征转换方法从服装样图中提取特征关键点，并获得在领口、门襟、袖口和侧开衩等不同区域的关键点分布。结果表明:用计算机获得的关键点分布与不同类别畲族服装特征之间具有良好的一致性;通过关键点数量分析，可以得到不同类别畲族服装的关键设计区域和排序;用关键点向量间方差大小可以表征畲族服装纹理的复杂度。该方法可有效识别不同类别的畲族服装，为畲族服饰设计提供了参考。

畲族服装;高斯模糊;尺度不变特征转换;服装特征;关键点分布;服装类别

畲族是我国东南地区的少数民族，具有独特的服饰文化，至今仍保留着许多鲜明的服饰特征，服饰成为了畲族的标志和族群认知的依据［1］。根据文献资料显示，分布在不同地区的畲族服饰存在或多或少的外观差异，这些服饰在款式和装饰细节上各不相同［2］，但又有共同的民族文化印记［3］。福建闽东地区分布着福安、罗源、福鼎和霞浦4种服饰样式［4］，这些服装均为右衽大襟式小袖服，衣片主色为青黑色，但领座高度、门襟的开襟形式等各不相同。纷繁的服饰样式分支使畲族服装呈现出多样化的外观，这在一定程度上带来了辨识难度。

近年来，一些专家学者在服装特征数字化领域进行了探索。周广君［5］利用边缘检测算子对服装款式图片进行边缘特征点的提取;徐红梅［6］运用灰度共生矩阵和神经网络的方法提取互助土族服饰的图像纹理特征;卢兴敬［7］利用JSEG分割算法，提取服装图像的颜色特征和纹理特征;张海花［8］从符号学、传播学的角度，对服装风格符号特征进行分析;徐慧娟［9］应用多元尺度法、眼动跟踪技术、意象尺度法分析女上装造型，提取出女上装造型特征。然而，上述方法均未对纹样特征的分布情况进行分析。

与上述服装特征提取方法不同，尺度不变特征转换方法(SIFT)能从图像中提取相应的关键点，并同时获取相应的纹理特征和分布情况，因此，本文采用高斯模糊对图像进行预处理以平滑噪声，而后采用SIFT方法从具有典型意义的畲族女子服装图样中提取不同部位可靠的特征关键点;通过对关键点分析、归纳得到畲族服饰设计的重点区域;由区域内关键点向量间方差大小来表征畲族服装纹理的复杂度。期望为不同类别畲族服装的识别和服饰设计实践提供指导。

1 实验

1.1 实验样衣

实验选取具有典型特征的福建省畲族女上衣，分为福鼎、罗源、福安、霞浦4个类别，各有3件典型款式。其中样衣1为福鼎金凤畲族服饰有限公司提供，样衣2、3为福鼎硖门畲族乡藏品，样衣4、5、6为罗源兰曲钗制作，样衣7、8、9为福安阮晓东藏品，样衣10为霞浦畲民家传服饰，样衣11、12为霞浦雷其松藏品，实验样衣共12件，如图1所示。

图1 实验样衣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个类别的实验样衣均为右衽，但领座高度、门襟的开襟形式、花边图案的装饰重点各不相同。福鼎式和霞浦式均为立领大襟，领座较高，胸襟处有多层红色绣花，但福鼎式领口饰有2粒俗称杨梅球的绒花，有的还在袖口用3层彩色拼接进行装饰;罗源式为交领大襟衣，在门襟、领圈至肩部和袖口有多层花边，样式华丽;福安式较为素雅，立领大襟，领座较低，胸襟处有红色三角形拼接装饰。

1.2 SIFT算法关键点提取原理

SIFT的基本原理［10］是在图像的不同尺度空间找到关键点，并提取尺度、旋转和位置不变量等图像特征。

1.2.1 尺度空间极值检测

将彩色图像转换为灰度图。采用高斯差分函数找到灰度图像在不同尺度空间下保持稳定的潜在关键点，该函数在不同尺度空间σ下表现形式为:

式中:G(x，y，σ)为二维空间下尺度可变高斯函数;(x，y)为空间坐标;σ 为尺度坐标;I(x，y，σ)表示二维图像I(x，y)与尺度可变高斯函数卷积所得的对应尺度空间。

1.2.2 关键点定位

根据所得的潜在关键点，确定其位置和尺度信息，并以此为依据挑选出尺度、旋转和位置信息稳定的点作为关键点。

式中:DT为矩阵D的转置。若|D(x^)|＜0.03，则说明此关键点为不稳定的关键点，应剔除，反之保留。

1.2.3 方向分配

根据关键点所在的局部灰度图像的梯度信息给关键点分配1个或多个方向。图像I(x，y)在关键点(x0，y0)处梯度的方向参数定义为

1.2.4 关键点描述

用关键点周围16像素×16像素的灰度图像素块内的梯度值来描述关键点。将16像素×16像素的像素块分割为大小为4像素×4像素共16个子块，对每个子块内的16个像素点以0、45°、90°、135°、180°、225°、270°和 315°共 8 个主方向为基准进行像素梯度采样，绘制16个像素点在主方向的梯度直方图。16个子块在8个方向的梯度直方图数据组合成128维向量，即每个关键点的描述符。

通过上述SIFT算法，每张图片可获取若干关键点。这些关键点具有位置、尺度和方向不变性，其描述符可作为图像特征用于图像识别、分类和匹配等的依据。

2 结果与讨论

2.1 畲族服装特征提取和筛选

实验采用MatLab(R2012a)软件进行编程，实现畲族服装特征提取和筛选。

2.1.1 特征尺度大小限制

通过SIFT算法，获得畲族服装图像中的关键点。以福鼎类服装为例(如图2所示)，红点为通过SIFT检测到的关键点，以红点为圆心的绿圆代表其尺度大小，从红点伸向绿圆的绿色径线的方向代表关键点的方向。

图2 经SIFT算法后的结果Fig.2 Results after SIFT

由图2可知，通过SIFT算法所得的关键点主要分布在领口、门襟、袖口和侧开衩纹样位置，这些位置均为畲族服装设计的关键区域，这也证实了SIFT能有效提取畲族服装设计的关键点。但实验发现部分关键点的尺度值过大，如图2中领口位置的一个关键点，其尺度范围包括整个领口和门襟部分，这类关键点所包含的特征不具备代表性，因此，实验通过限制特征尺度大小，预先排除这类不具备代表性的特征点。通过对比，剔除尺度半径大于18个像素点的关键点，实验结果如图3所示。与图2相比，剔除大尺寸关键点后所得的关键点更为清晰明确，更具代表性。

图3 限制尺度大小后的SIFT实验结果Fig.3 Experimental results after SIFT by limiting size

2.1.2 剔除边缘及褶皱处关键点

实验中检测到有关键点存在于服装边缘，还有一些关键点被定位于衣服褶皱处，这是由图片质量引起的，这些关键点同样不具备代表性，因此，实验要先对样本图像用高斯模糊进行预处理，剔除图像中的噪声和细节层次，降低褶皱和边缘对关键点的影响。

关键点检测结果见图4。与图3相比，通过高斯模糊的预处理，剔除了大部分的边缘关键点和褶皱关键点，得到了较好的效果。其余3个类别的实验样衣检测得到的关键点见图5。由图可知，经过高斯模糊的预处理后，关键点定位在领口和门襟、袖口及侧开衩等服装设计区。这与畲族服装特征的主观认知和识别相符，进一步验证了SIFT算法获取畲族服装关键设计区域的有效性。

图4 高斯模糊处理后的实验结果Fig.4 Experimental results of Gauss fuzzy processing

图5 经SIFT后的其他类别样衣实验结果Fig.5 Experimental results of other categories after SIFT.(a)Fu'an;(b)Luoyuan;(c)Xiapu

2.2 关键点分析

由实验结果可知，畲族服装关键点在不同部位所占的比例各不相同。为获得特征关键点分布情况，结合畲族服装设计区的重点部位，将实验样衣图像简单分割为6个部分:上下对半分;根据袖子与大身的比例，左袖尺寸∶大身尺寸∶右袖尺寸以3∶4∶3的比例分割。如图6所示。

其中(1)号和(3)号区域包括袖口，(2)号区域包括领口和门襟，(5)号区域包括侧开衩部位。

图6 关键点所处位置切分Fig.6 Key point location segmentation.(a)Original sample;(b)After Gauss fuzzy processing

计算每件样衣图片中，处于领口和门襟、袖口及侧开衩这3个区域内的关键点占每张图片总关键点数量的比值，如图7所示。表1示出关键点数量的比值。

图7 不同区域关键点数量的比值分布图Fig.7 Key point position proportional distribution

表1 关键点数量的比值Tab.1 Proportion of key point quantity

由表1可知实验样衣在3个不同区域的关键点分布情况。福鼎、罗源类样衣，领口+门襟部位关键点最多，袖口次之，侧开衩最少，而且各部位关键点多少差别明显;福安、霞浦类样衣，分布在领口+门襟处关键点较多，侧开衩次之，袖口最少，但是侧开衩和袖口部位关键点数比较接近。

SIFT算法所得关键点还具有纹理特征。某一区域内纹理复杂度可由区域内关键点向量间方差大小来表征。实验样衣的关键点描述符向量方差如表2所示。

表2 关键点描述符向量方差Tab.2 Descriptor vector variance of key point

由表2可知，福安类样衣关键点描述符向量方差相近，说明3个区域的纹理复杂度相当;福鼎类和罗源类样衣袖口纹理最复杂，领口+门襟次之，侧开衩部分较简单;霞浦类样衣领口+门襟位置纹理最为复杂，侧开衩次之，袖口明显小于前两个区域。观察4类样衣图片，福安类样衣3处花纹都较少，几乎没有纹理;福鼎类和罗源类袖口、领口有较多花纹，侧开衩部分比较简单;霞浦类样衣袖口没有花纹，领口门襟和侧开衩有规律纹样。主观观察结果与表2数据相符合，证明了尺度不变空间转换还能表征样衣不同区域纹理复杂度。

3 结论

本文采用尺度不变特征转换的方法，从典型畲族服装图片中提取出畲族服装特征的关键点，分析了畲族服装不同类别的关键点在不同区域的分布情况，得到以下结论。

1)用尺度不变特征转换方法，可以从畲族服装样图中有效提取特征关键点，并与畲族服装特征的主观认知和识别具有良好的一致性。

2)通过分析获取包括领口、门襟、袖口和侧开衩等部位的特征关键点，得到了畲族服装不同类别的关键设计区域和排序。

3)用关键点向量间方差大小，可以表征畲族服装不同区域的纹理复杂度。

［1］ 闫晶，范雪荣，陈良雨.文化变迁视野下的畲族古代服饰演变动因［J］.纺织学报，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.畲族服饰的特点及其内涵［J］.中南民族学院学报:哲学社会科学版，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］ 陈敬玉.民族服饰的固态保护与活态传承:以浙江景宁畲族为例［J］.丝绸，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］ 龚任界.霞浦畲族服饰研究［D］.福州:福建师范大学，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］ 周广君.图像特征技术在个性化服装款式系统中的应用研究［D］.上海:东华大学，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］ 徐红梅.民族服饰文化传承中的图像记录研究:以互助土家服饰为例［D］.重庆:西南大学，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］ 卢兴敬.基于内容的服装图像检索技术研究及实现［D］.哈尔滨:哈尔滨工业大学，2008:23－28.LU Xingjing.Research and implementation on content based clothing image retrieval［D］.Harbin:Harbin Institute of Technology，2008:23 －28.

［8］ 张海花.服装风格与传播研究［D］.北京:北京服装学院，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女上装的造型特征及意象空间研究［D］.杭州:浙江理工大学，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

浙江省服装工程技术研究中心开放基金项目(2014YXQN10，2014KF16);浙江理工大学科研启动基金项目(13072123-Y)

丁笑君(1981—)，女，实验师，博士生。主要研究方向为服装数字化技术及服装人体工程。邹奉元，通信作者，E-mail:zfy166@zstu.edu.cn。