一种多特征融合的织物扫描图案识别方法等5项专利权拟转让，现将相关信息予以公示，公示期自2023年4月18日至2023年5月2日。

专利一：

一、成果名称：一种多特征融合的织物扫描图案识别方法（ZL*.8）

二、内容摘要：

本发明公开了一种多特征融合的织物扫描图案识别方法，其首先通过纹理抑制快速平滑滤波算法滤除织物扫描图像的纱线纹理，并进行灰度化；然后分别提取主颜色自相关直方图、边缘梯度方向直方图、MSER特征和灰度共生矩阵特征，建立样本图像特征库；最后以样本图像之间关于这四类特征的相似度作为训练样本，通过AdaBoost算法建立分类器，实现图案识别。由此可见，本发明图案识别方法通过构建AdaBoost分类器融合主颜色自相关直方图、边缘梯度方向直方图特征、MSER特征和灰度共生矩阵特征，可以实现自动调整各类特征的权值，提高了织物图案识别率。

三、转化方式：专利权转让

四、拟交易价格：20000元人民币

五、价格确定方式：协议定价

专利二：

一、成果名称：一种基于内容特征的四方连续纹样自动生成方法（ZL*.8）

二、内容摘要：

本发明提供了一种基于内容特征的四方连续纹样自动生成方法，其首先通过平滑滤波算法滤除分形图的噪声，并进行灰度化；然后Canny边缘检测并提取灰度图像的边缘分布直方图、计算四边元素概率分布，对分形图是否需要提取花型进行判断；再用矩形窗口轮寻机制对分形图进行内容检索并确定花型位置，最后通过调用平排与错接两种方法进行四方连续纹样生成。由此可见，本发明纹样生成方法通过滤波、边缘特征检索、花型内容定位、纹样提取与拼接等主要步骤，自动提取花型并生成四方连续纹样。

三、转化方式：专利权转让

四、拟交易价格：20000元人民币

五、价格确定方式：协议定价

专利三：

一、成果名称：一种基于卷积神经网络的艺术图像分类方法（ZL*.3）

二、内容摘要：

本发明公开了一种基于卷积神经网络的艺术图像分类方法，包括：获取每类艺术图像，图像裁切与构建训练集、验证集；然后使用空洞卷积、DKSE模块、深度可分离卷积搭建卷积神经网络；最后用训练集输入搭建好的卷积神经网络对其进行训练，得到可用来进行艺术图像分类的网络模型。本发明较传统方法相比，提取的艺术图像的整体特征与局部细节特征更加全面，可以适用于多种艺术图像分类研究，模型通用性较强，填补了现有多类艺术图像分类检索研究的不足；本发明中设计的卷积神经网络可减少对艺术图像分类人员的专业要求，避免了传统分类算法中复杂的特征提取和数据标注的工作；本发明卷积神经网络结构较其他卷积神经网络结构简单，分类准确率高。

三、转化方式：专利权转让

四、拟交易价格：20000元人民币

五、价格确定方式：协议定价

专利四：

一、成果名称：一种基于卷积神经网络的面料主成分检测方法（ZL*.4）

二、内容摘要：

本发明公开了一种基于卷积神经网络的面料主成分检测方法，其首先使用光学放大设备构建每种主成分的面料图片库；然后使用空洞卷积、深度可分离卷积技术搭建卷积神经网络；最后将图片库转换为HSV颜色空间后输入搭建好的卷积神经网络对其进行训练，得到可用来进行面料主成分检测的网络。本发明不需要检测人员具备面料成分检测相关专业知识，对图像的放大倍数要求较低，无需使用显微镜采集图片，降低了检测操作门槛，简化了检测流程；本发明中设计的卷积神经网络可同时实现多种面料主成分的检测，模型通用性较强，较其他卷积神经网络结构的网络结构简单，网络规模小，训练时间短，检测准确率有所提升。

三、转化方式：专利权转让

四、拟交易价格：20000元人民币

五、价格确定方式：协议定价

专利五：

一、成果名称：一种基于单元图案组装的电子提花智能织造方法（ZL*.9）

二、内容摘要：

本发明公开了一种基于单元图案组装的电子提花智能织造方法，该方法通过对该图案进行单元分解获得组成该花型图案的基本元素—花型单元图案，然后以织造工艺组织要求作为约束条件，并通过随机数发生器(其初始参数作为密码保存)将基本元素—花型单元图案进行各种随机排列组合成花型图案送电子提花机织造，可以形成花型图案经纬随机变化的新型织物面料；同时由于随机数发生器初始参数作为密码保存，没有该密码任何企业无法生产出花型排列一模一样的织物面料，因此本发明在增强我国纺 (略) 场竞争力的同时还具有一定的防伪功能。

三、转化方式：专利权转让

四、拟交易价格：20000元人民币

五、价格确定方式：协议定价

如有问题，请于公示期内以书面形式反映给产业技术中心。

联系电话：*

产业技术中心、浙江理工大学（杭州） (略)

2023年4月18日

一种多特征融合的织物扫描图案识别方法等5项专利权拟转让，现将相关信息予以公示，公示期自2023年4月18日至2023年5月2日。

专利一：

一、成果名称：一种多特征融合的织物扫描图案识别方法（ZL*.8）

二、内容摘要：

本发明公开了一种多特征融合的织物扫描图案识别方法，其首先通过纹理抑制快速平滑滤波算法滤除织物扫描图像的纱线纹理，并进行灰度化；然后分别提取主颜色自相关直方图、边缘梯度方向直方图、MSER特征和灰度共生矩阵特征，建立样本图像特征库；最后以样本图像之间关于这四类特征的相似度作为训练样本，通过AdaBoost算法建立分类器，实现图案识别。由此可见，本发明图案识别方法通过构建AdaBoost分类器融合主颜色自相关直方图、边缘梯度方向直方图特征、MSER特征和灰度共生矩阵特征，可以实现自动调整各类特征的权值，提高了织物图案识别率。

三、转化方式：专利权转让

四、拟交易价格：20000元人民币

五、价格确定方式：协议定价

专利二：

一、成果名称：一种基于内容特征的四方连续纹样自动生成方法（ZL*.8）

二、内容摘要：

本发明提供了一种基于内容特征的四方连续纹样自动生成方法，其首先通过平滑滤波算法滤除分形图的噪声，并进行灰度化；然后Canny边缘检测并提取灰度图像的边缘分布直方图、计算四边元素概率分布，对分形图是否需要提取花型进行判断；再用矩形窗口轮寻机制对分形图进行内容检索并确定花型位置，最后通过调用平排与错接两种方法进行四方连续纹样生成。由此可见，本发明纹样生成方法通过滤波、边缘特征检索、花型内容定位、纹样提取与拼接等主要步骤，自动提取花型并生成四方连续纹样。

三、转化方式：专利权转让

四、拟交易价格：20000元人民币

五、价格确定方式：协议定价

专利三：

一、成果名称：一种基于卷积神经网络的艺术图像分类方法（ZL*.3）

二、内容摘要：

本发明公开了一种基于卷积神经网络的艺术图像分类方法，包括：获取每类艺术图像，图像裁切与构建训练集、验证集；然后使用空洞卷积、DKSE模块、深度可分离卷积搭建卷积神经网络；最后用训练集输入搭建好的卷积神经网络对其进行训练，得到可用来进行艺术图像分类的网络模型。本发明较传统方法相比，提取的艺术图像的整体特征与局部细节特征更加全面，可以适用于多种艺术图像分类研究，模型通用性较强，填补了现有多类艺术图像分类检索研究的不足；本发明中设计的卷积神经网络可减少对艺术图像分类人员的专业要求，避免了传统分类算法中复杂的特征提取和数据标注的工作；本发明卷积神经网络结构较其他卷积神经网络结构简单，分类准确率高。

三、转化方式：专利权转让

四、拟交易价格：20000元人民币

五、价格确定方式：协议定价

专利四：

一、成果名称：一种基于卷积神经网络的面料主成分检测方法（ZL*.4）

二、内容摘要：

本发明公开了一种基于卷积神经网络的面料主成分检测方法，其首先使用光学放大设备构建每种主成分的面料图片库；然后使用空洞卷积、深度可分离卷积技术搭建卷积神经网络；最后将图片库转换为HSV颜色空间后输入搭建好的卷积神经网络对其进行训练，得到可用来进行面料主成分检测的网络。本发明不需要检测人员具备面料成分检测相关专业知识，对图像的放大倍数要求较低，无需使用显微镜采集图片，降低了检测操作门槛，简化了检测流程；本发明中设计的卷积神经网络可同时实现多种面料主成分的检测，模型通用性较强，较其他卷积神经网络结构的网络结构简单，网络规模小，训练时间短，检测准确率有所提升。

三、转化方式：专利权转让

四、拟交易价格：20000元人民币

五、价格确定方式：协议定价

专利五：

一、成果名称：一种基于单元图案组装的电子提花智能织造方法（ZL*.9）

二、内容摘要：

本发明公开了一种基于单元图案组装的电子提花智能织造方法，该方法通过对该图案进行单元分解获得组成该花型图案的基本元素—花型单元图案，然后以织造工艺组织要求作为约束条件，并通过随机数发生器(其初始参数作为密码保存)将基本元素—花型单元图案进行各种随机排列组合成花型图案送电子提花机织造，可以形成花型图案经纬随机变化的新型织物面料；同时由于随机数发生器初始参数作为密码保存，没有该密码任何企业无法生产出花型排列一模一样的织物面料，因此本发明在增强我国纺 (略) 场竞争力的同时还具有一定的防伪功能。

三、转化方式：专利权转让

四、拟交易价格：20000元人民币

五、价格确定方式：协议定价

如有问题，请于公示期内以书面形式反映给产业技术中心。

联系电话：*

产业技术中心、浙江理工大学（杭州） (略)

2023年4月18日