استخراج و طبقه‌بندي تصاوير طرح سنگ شور پوشاك جين با استفاده از الگوريتم خوشه‌بندي K-means

Extracting and Clustering Stone-Wash Design in Jeans Images Using K-means Algorithm

با توجه به استقبال گسترده نسل جوان از پوشاك جين و به­ طور ويژه شلوارهاي جين، طراحي و كنترل كيفيت اين لباس‌ها از اهميت بسزايي برخوردار است. با توجه به اهميت اين موضوع در صنعت پوشاك، هنوز طبقه‌بندي خاصي براي طرح‌هاي سنگ­ شور مورد استفاده در شلوار جين ارايه نشده است. در اين مقاله، از 306 طرح سنگ­ شور جلو و پشت شلوار جين در شرايط يكسان نورپردازي، تصويربرداري شد. پس از پيش­ پردازش تصاوير، با استفاده از الگوريتم خوشه‌بندي K-means، طرح سنگ­ شور جداسازي شد و در نهايت با استفاده از خوشه‌بندي K-means، تقسيم­ بندي طرح‌هاي سنگ­ شور بخش­ هاي جلو و پشت شلوار انجام شد. براي تعيين خوشه­ بندي بهينه طرح­ هاي سنگ­ شور، برنامه خوشه‌بندي طرح‌هاي سنگ­ شور بخش­ هاي جلو و پشت شلوار، 100 مرتبه اجرا شد و با توجه به شاخص اعتبارسنجي ديويس- بولدين (DB)، بهترين خوشه­ بندي انتخاب و با خوشه­ بندي چشمي (بصري) مقايسه شد. نتايج حاكي از اين است كه روش خوشه­ بندي K-means تا %60 با روش خوشه­ بندي چشمي مطابقت دارد.

Jeans have increasingly become popular among young people worldwide, just the same as in global markets, and therefore their quality needs to be controlled carefully. This paper deals with the classification of the stone-wash jeans by using k-means clustering algorithm. A total of 306 ready jeans were prepared and the stoned zones of their front and back were imaged under light projection. The K-means clustering algorithm was used to extract jean stone-wash designs. Finally clustering schemes were applied by K-means clustering in order to achieve the optimized condition by running the program one hundred times on the front and the back of the trousers. The clustering validity method was based on Davies-Bouldin Index as the best method. Finally, the result of the above method was compared with the optical method. The results showed that k-means clustering method, applied on stone-wash design, was comparable with the unaided eye observation by 60%.