- 研究的目的及意义
中国是一个多民族国家，有着丰富的民族文化，少数民族传统文化在中华民族文化发展的历史进程中扮演着非常重要的角色，然而随着社会主义现代化进程的加快，少数民族文化总体发展状况与兴起社会主义经济建设还很不适应。所以，越来越多的人开始重视对少数民族文化的保护。
服饰中往往体现着少数民族绚丽多彩的生活习俗、色彩爱好、审美情趣，以及种种文化底蕴、宗教观念等，成为中华大地一道亮丽而绵延流长的文化景观。各民族的服饰也都有各自的特点和文化，不同民族不同时代的人都会对同一自然题材进行创作，而这些大多表现在服饰上有着各种不同的花纹图案。所以，少数民族人民在制作服饰时，都要精心设计图案纹样，以美化服饰和人以及人的生活，让人们在美的生活中潜移默化地陶冶自己的性情，净化自己的心灵。 随着科技的进步，少数民族服饰作为少数民族文化中的重要组成部分，对其进行数字化处理及应用，无疑是实现少数民族服饰文化保护与传承的有效途径之一。根据少数民族服装的特点，参考数字化技术在现代服装领域的应用，从少数民族服装的数字化检测以及少数民族服装素材数据库的建立[1]等方面，将数字化技术应用于少数民族服装，本文主要对少数民族服饰花纹图案检测方法进行了研究。
- 国内外同类研究概况
目前，云南师范大学的雷秦川提出一种基于HOG SVM的图像检测方法，通过分析少数民族服饰图像的视觉特征，分割出少数民族服饰图像中的主要花纹图案区域再对花纹图案进行灰度处理，结合机器学习SVM算法实现少数民族服饰花纹图案的检测。在进行少数民族服饰花纹图案检测中需要对花纹图案的特征进行提取，在HOG特征提取算法的基础上进行改进，将用于训练的少数民族服饰花纹图案分为正样本和负样本并对其进行人工标注，然后对正负样本进行训练，利用HOG算法提取正负样本中图片的特征，经过训练最后实现少数民族服饰花纹图案的检测，
另外，2016年南京大学软件新技术国家重点实验室提出HOG特征在服饰识别和分类方面的研究，提出针对服装细节，如衣领类型、袖子和下装长度等进行识别分类法。在轮廓提取的基础上，针对衣领位置不确定、领口形状受周边花纹干扰等难点设计了在多尺度HOG结果上进行投票的方法并结合基于角点检测的几何特征提取如关键尺寸比例计算等，用SVM完成训练分类。经过预处理、边缘检测后发现直接进行轮廓提取得到的轮廓信息十分冗余，为减少无用轮廓的提取次数，需在边缘检测后先进行闭运算深度处理，再从获取的轮廓序列中选出最大的轮廓作为最外层轮廓；在彩色原图与最外层轮廓图的不同尺度范围内分别提取对局部目标表象与形状有较好描述能力的HOG特征，使用SVM对衣领种类、下装种类、 有袖无袖进行分类；对分类得到的裤子、裙子、有袖上衣长度， 利用各自相应区域内的角点检测、排序、筛选等方法得到关键尺寸比例的几何特征作出对应的分类。
- 研究内容及计划
对少数民族花纹图案检测的研究主要有以下几步：
1）分割出少数民族服饰图像中的花纹图案区域。在图像分割方面，有大量学者提出了多种图像分割方法，但这些方法都是根据有特定的分割目标来确定的，尚未有一种可以普遍使用的分割方法。了解到少数民族服饰上的花纹图案往往都是具有非常鲜明的颜色的，与服饰的材料颜色有很大区别，所以采用目前主流的基于Matlab的图像分割——边缘检测。
2）对分割后的花纹图案图像进行灰度处理。彩色图像中的每个像素的颜色这样一个像素点可以有1600多万（255*255*255）的颜色的变化范围。而灰度图像一个像素点的变化范围为255种。灰度图像的描述与彩色图像一样仍然反映了整幅图像的整体和局部的色度和亮度等级的分布和特征，所以在数字图像处理中先将彩色的图像转变成灰度图像可以减少计算量。
3）提取花纹图案的HOG特征。采用Gamma校正法对灰度处理过的图像进行颜色空间的标准化，目的是调节图像的对比度，降低图像局部的阴影和光照变化所造成的影响；将图像划分成小cells，统计每个cell的梯度直方图，即可以获得每个cell的descriptor，将每几个cell分成一组。在明确了模块划分之后需要给每个Cell构建梯度方向直方图。梯度直方图包括方向和幅值，梯度的幅值大小与梯度的大小有关，梯度的幅值越大，则对应该方向上的权值越大。幅值计算完毕后需要根据幅值来进行计算每个像素位置的梯度方向值。方向通常划分为9个直方图通道方向，依次定义为从bin1-bin9，把梯度方向划分为9个方向块。因此，每个Cell单元格中有9个Bin的特征，我们最后将所有的Cell单元格中的Bin的特征进行区域串联，可以得到每一个Block的特征乃至每张图像Win的特征。
4）实现基于HOG SVM算法的少数民族服饰花纹图案的检测。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
