论文部分内容阅读
随着互联网时代数字媒体资源的迅猛增长,民族服饰图像成为民族服饰文化数字化的主要呈现方式。作为民族文化的重要内容之一,民族服饰图像不仅为民族教育信息化提供了重要的教育资源,而且极大的促进了民族服饰文化的传承与保护。如何利用现代信息技术对民族服饰图像教育资源进行高效检索,成为许多学者研究的热点领域。由于少数民族服饰款式多样、色彩绚丽、纹案丰富的特点,使得民族服饰图像的视觉特征很难准确地被描述和提取,因此利用传统的基于低层特征的图像检索技术对民族服饰图像教育资源进行检索并不能得到让人满意的结果。近年来深度学习在图像领域得到了深入研究和成功应用,鉴于卷积神经网络在自动获取高层语义特征的突出优势,本文提出了基于卷积神经网络的民族服饰图像教育资源检索方法,为该领域的相关研究提供了技术参考,对少数民族文化的保护与传承起到了极大的促进作用。本文主要研究内容如下:(1)通过多次赴云南省各地州民族聚居地和民族博物馆的实地拍摄,构建了包含哈尼族、佤族、彝族三个少数民族的云南少数民族服饰图像教育资源库,为本文算法的研究提供了数据支持,同时也为相关领域的研究者提供数据依据。(2)在深入分析基于底层特征的传统图像检索技术的基础上,针对其检索准确率低、计算复杂度高等不足之处,提出一种基于深度卷积神经网络的民族服饰图像教育资源的检索算法。该算法利用OpenCV图像库和Caffe神经网络框架,分别采用AlexNet、LeNet、CaffeNet三种网络结构模型对民族服饰图像样本进行训练和优化,并得到民族服饰图像的神经网络训练模型,并提取民族服饰图像的高层语义特征,最终实现民族服饰图像教育资源的高效检索。(3)在本文构建的民族服饰教育资源库上,本文算法与基于HSV颜色特征、LBP纹理特征、三阶Hu不变矩等传统检索算法,以及基于LIRE搜索引擎的检索算法进行了性能比较,实验结果证明基于卷积神经网络的民族服饰图像检索有着较高的检索准确率与较快的检索速度,在快速准确检索出与查询图像相似民族服饰的同时还能给出其民族类别,具有一定的实用性。(4)基于本文提出的卷积神经网络的检索算法,在Windows10的平台下以C++作为主要开发语言,设计并实现了民族服饰图像教育资源检索系统。该系统主要包括数据的读取、图像的处理、民族服饰的识别、数据的存储等模块,为相关领域学者提供了研究平台。