خوشه بندي تصاوير پوشاك با استفاده از پردازش تصوير و الگوريتم K-means

Garment Images Clustering Based on Image Processing Techniques and K-Means Algorithm

امروزه صنعت پوشاك و مد صنعتي جهاني است و اكثر كشورها روي اين صنعت سرمايه گذاري مي كنند. در سالهاي اخير با گسترش تجارت الكترونيك و با توجه به مزيت هاي آن مثل قابل استفاده بودن كالاها با هزينه كمتر، انتخاب گسترده تر و صرفه جويي در زمان، انبوه مردم مايحتاج خود را از وبگاه ها و فروشگاه هاي اينترنتي به جاي مغازه ها تهيه مي كنند. اين موضوع، نياز به سامانه اي را ايجاد كرده كه بتواند پوشاك را شناسايي و تصاوير پوشاك را به عنوان شي نرم بازيابي كرده و آنها را دسته بندي كند، تا جست و جوي مردم در بازه محدودتري انجام شود. هر چند براي چشم انسان شناسايي سبك و مدل پوشاك آسان است، اما شناسايي آن به طور خودكار براي برنامه هاي رايانه اي مسيله كم اهميتي نيست. در اين مقاله، سامانه اي براي بازيابي تصوير بر مبناي توصيف آن ارايه شده است كه با استفاده از پردازش تصوير و روش خوشه بندي K-means پوشاك را خوشه بندي و انواع مختلف پوشاك را بر اساس مقدار شباهت آن ها از هم جدا كرده است. نتايج نشان مي دهد، اين سامانه از كارايي و دقت زياد، 67 درصد، برخوردار است و مي تواند در خوشه بندي انواع مختلف پوشاك مفيد واقع شود.

Nowadays, the fashion industry is a global industry in which most countries invest in it. In recent years by development of e-commerce and its time saving and providing wide selection of goods for customers, many people do their purchasing through online shops instead of going to stores. So for the online apparel markets, it is necessary to have a system to retrieve garment images and include them in a specific database, so to do searching quicker and more effectively. In this way customers find it easier to have access what they look for. Although it is simple to detect a garment style by image searching but it is no so for a computer system. In this paper an algorithm is presented which is based on image processing and K-means clustering for grouping the garment images. The algorithm has the ability to group similar garment images. The results show that this developed system can detect and cluster 67% of database images correctly.