融合形态学连通域和CV模型的民族服饰图案纹样元素分割方法

对民族服饰图案进行自动分割以提取图案纹样元素,是民族服饰图案素材库构建急需解决的难题。通过融合形态学连通域标记和CV模型（MCC-CV）,提出了一种民族服饰图案自动分割方法,首先对民族服饰图案进行预处理,然后采用形态学连通域标记算法获得待分割目标的位置和大致轮廓信息,对CV模型进行初始化,最后通过CV模型对不同分割目标进行边缘追踪,以实现民族服饰图案纹样元素的自动分割。实验表明,融合形态学连通域和CV模型的民族服饰图案纹样元素自动分割方法在边界召回率（BR）为0.5时,分割准确率为60%,与其他自动分割算法相比,该算法更为有效,满足了民族服饰图案素材库建设对图案纹样元素分割的基本要求。     

基于规则学习的传统纹样统一生成模式研究

传统纹样的生成是图案生成领域最具代表性的研究方向之一，从传统纹样的构图规则出发生成纹样是最常用的方法之一。以传统纹样为研究对象，针对现有传统纹样生成方法泛化能力差的问题，通过对不同传统纹样进行特征分析，找出其生成规则的异同，提出了一种传统纹样统一生成模式：寓意嵌入的层次迭代生成模式。选取几何纹、动物纹、植物纹中的典型纹样，利用统一生成模式进行重构，验证了模式的有效性。实验结果表明，统一生成模式适合多种传统纹样的重构，一定程度上是对传统纹样重构的创新应用。     

融合形态学连通域和CV模型的民族服饰图案纹样元素分割方法

对民族服饰图案进行自动分割以提取图案纹样元素,是民族服饰图案素材库构建急需解决的难题。通过融合形态学连通域标记和CV模型（MCC-CV）,提出了一种民族服饰图案自动分割方法,首先对民族服饰图案进行预处理,然后采用形态学连通域标记算法获得待分割目标的位置和大致轮廓信息,对CV模型进行初始化,最后通过CV模型对不同分割目标进行边缘追踪,以实现民族服饰图案纹样元素的自动分割。实验表明,融合形态学连通域和CV模型的民族服饰图案纹样元素自动分割方法在边界召回率（BR）为0.5时,分割准确率为60%,与其他自动分割算法相比,该算法更为有效,满足了民族服饰图案素材库建设对图案纹样元素分割的基本要求。     

基于规则学习的传统纹样统一生成模式研究

传统纹样的生成是图案生成领域最具代表性的研究方向之一，从传统纹样的构图规则出发生成纹样是最常用的方法之一。以传统纹样为研究对象，针对现有传统纹样生成方法泛化能力差的问题，通过对不同传统纹样进行特征分析，找出其生成规则的异同，提出了一种传统纹样统一生成模式：寓意嵌入的层次迭代生成模式。选取几何纹、动物纹、植物纹中的典型纹样，利用统一生成模式进行重构，验证了模式的有效性。实验结果表明，统一生成模式适合多种传统纹样的重构，一定程度上是对传统纹样重构的创新应用。