一種基于多粒度的布料圖像檢索方法
【專利摘要】本發(fā)明涉及一種基于多粒度的布料圖像檢索方法，該方法采用粒計算理論研究實現一種可以靈活調整布料圖像特征粒度的方法，通過該方法可以對布料圖像進行多粒度的檢索。使用顏色特征與紋理特征來描述布料圖像，同時對顏色特征構建三種不同的顏色組合粒度（單主色、雙主色以及三主色的顏色組合粒度），并結合布料圖像領域知識粒度，實現一種更符合人類視覺感知的布料圖像檢索方法。
【專利說明】一種基于多粒度的布料圖像檢索方法

【技術領域】
[0001] 本發(fā)明涉及圖像處理技術，具體涉及基于多粒度的布料圖像檢索方法。

【背景技術】
[0002] 箱包企業(yè)需要經常性和大批量進行原材料的采購，而眾多的布料供應商店經常需 要從大量的布料色卡中尋找滿足客戶需要的各類布料。采用人工方式來比對需要采購的布 料色卡存在費時、勞動強度大和容易出差錯等問題，容易造成企業(yè)實際需要的原材料與購 進的原材料不吻合，而不能正常進行生產，嚴重地影響企業(yè)的生產效率和經濟效益。同時， 也給布料供應商店帶來很多不便。因此，企業(yè)采購人員和布料供應商店迫切需要一套方便 和有效檢索布料色卡圖像的計算機應用系統(tǒng)。
[0003] 隨著互聯網信息迅速膨脹，圖像數據量也日益增加，使得基于內容的圖像檢索成 為當今計算機領域研究熱點?；趦热莸膱D像檢索主要根據圖像的底層視覺特征（如顏 色、紋理、形狀和空間分布信息等）來進行檢索。顏色是彩色圖像顯著的特征，能夠提供豐 富的信息，同時顏色特征穩(wěn)定性好，對圖像的縮放、平移、旋轉不敏感。所以顏色特征頗受研 究者的青睞，是圖像檢索中應用最為廣泛的視覺特征。每種底層視覺特征都有其局限性，對 某一類型圖像有著較好的檢索效果，而對其他的圖像檢索效果未必理想。所以在圖像檢索 中，需要將圖像的多種底層特征融合在一起才能得到更好的圖像檢索效果。
[0004] 自從Zadeh于1979年提出了信息粒度（Information Granularity)的概念之后， 信息粒度就逐漸成為了粒數學的研究思想。Zadeh認為人類對自然的認知能力是從?；?、 組織和推理三個方面進行的。T.Y. Lin在1997年7月第八期12卷European Congress on Intelligent Techniques and Soft Computing 中的文章 "Granular Computing ：From Rough Sets and Neighborhood Systems to Information Granulation and Computing with Words"介紹了他所提出的粒計算（Granular Computing)的概念。粒計算是研究多層 次粒結構的思維方法、問題求解方式、信息處理模式以及相關理論思想、技術方法和工具的 學科。粒計算具有描述?；?、組織和推理的能力，與現實世界的結構、人的思維模式、行為方 式具有一致性。同時粒計算能夠提供一套完整的、系統(tǒng)的思維描述方式與行為模式，通過不 同層次的抽象處理達到簡化問題的目的。通過尋求不同粒度上的近似解提高效率，同時由 于采用不同的粒度而具有較強的魯棒性。所以粒計算成為了當前計算機研究領域的熱點， 也逐漸成為了一門新的計算機學科。
[0005] CBIR(Content_based Image Retrieval)技術首先提取圖像本身顏色、紋理、形狀 等視覺特征信息，通過量化將這些特征信息保存到數據庫中。然后建立相似度計算規(guī)則對 待檢索圖像與庫中圖像進行相似度計算返回滿足條件的圖像序列。CBIR從圖像本身存在的 特征出發(fā)，減少甚至消除了人工的干預。CBIR查詢者能夠更加快速、準確得找到所需要的 圖像，也讓圖像管理人員能夠擺脫繁瑣而又重復性的工作，同時使得圖像識別的工作更加 自動化，更加智能化。
[0006] 顏色特征提取是基于內容的圖像檢索系統(tǒng)（CBIR)中非常重要的一項工作，只有 對圖像的抽象視覺特征提取為計算機所能夠表達的特征之后才方便采用相似度度量技術 對圖像的相似度進行計算。常用的圖像視覺特征包括顏色特征、紋理特征、形狀特征等。由 于布料圖像的顏色與紋理特征較為明顯，而形狀特征只是許多紋理特征相互結合而形成 的，所以本發(fā)明主要提取圖像的顏色特征與紋理特征。圖像的顏色特征的計算方法較為 簡單，而且對于圖像的全局顏色特征而言，不會隨著圖像的旋轉縮放平移等變化而發(fā)生變 化，所以具有較好的穩(wěn)定性、魯棒性。紋理特征是所有圖像都擁有的一種視覺特征，紋理特 征可以體現出圖像中的像素分布關系、像素的統(tǒng)計特征等，所以是非常重要的圖像視覺特 征。常用的圖像顏色特征提取方法有基于顏色直方圖、顏色矩、顏色相關圖、顏色集、顏色 聚合向量等方法；顏色相關圖與顏色聚合向量方法的計算量大，算法時間復雜度較高，所以 在實際應用中較少使用；顏色矩與顏色集通常需要結合其他顏色描述方法來對圖像進行 特征提取，單獨的顏色矩與顏色集的識別效果并不理想。Hafner J. Efficient在Pattern Analysis and Machine Intelligence 在 1995 年第 17 卷，第 7 期 729-736 頁上發(fā)表的文 章 "Color Histogram Indexing for Quadratic Form Distance Functions，'中介紹了傳 統(tǒng)的顏色直方圖，它往往需要記錄圖像中所有出現的顏色信息的統(tǒng)計直方圖，使得工作量 較大。而實際情況是，人造紋理中的主要顏色并不很多，最多不超過十幾個，所以只需要記 錄顏色所占分量排在前幾位的圖像顏色即可。
[0007] 灰度共生矩陣是一種最常用的圖像紋理特征描述方法之一，Haralick R M， Shanmugam K,Dinstein等 1973年在 IEEE Transactions on Systems,Man, and Cybernetics 的第三卷第 6 期上發(fā)表了" Textural Features for Image Classification",該文對于圖 像的紋理特征描述具有較好的效果，但是其算法復雜度會隨著顏色灰度級數的增加而成級 數增長，所以需要結合較好的灰度等級量化方法來進行矩陣生成。另外一種紋理描述方法 是K. Laws在其論文"Textured Image Segmentation"中提出的基于能量的紋理特征描述 方法（即紋理能量測度）。圖像紋理能量特征對于人造紋理的識別能力較強，但是對于尺寸 較大的圖像而言其計算時間較長。
[0008] 所以單獨使用以上介紹的一種或者兩種方法簡單對圖像特征進行提取是無法有 效滿足實際圖像檢索的需求，需要對待匹配圖像進行分析，根據得到的分析結果結合不同 的視覺特征進行圖像的分類識別工作。這樣才能得到最好的特征利用效率，實現最佳的檢 索效果。


【發(fā)明內容】

[0009] 本發(fā)明的目的在于提出一種基于多粒度的布料圖像檢索方法，其能解決無法有效 滿足實際圖像檢索的需求的問題。
[0010] 為了達到上述目的，本發(fā)明所采用的技術方案如下：
[0011] 一種基于多粒度的布料圖像檢索方法，其包括以下步驟：
[0012] (1)生成布料圖像領域特征粒度空間，具體包括以下子步驟：
[0013] (1. 1)構建布料圖像領域知識粒度空間：分別生成圖像領域顏色知識粒度空間 露《4 ，句，G丨}、.圖像領域紋理知識粒度空間晃# 和圖像領域材質知識 粒度空間={Gf,G;，G丨，丨丨;其中，G;表示顏色是單一或簡單顏色的布料圖像集合構 成的粒，4表示顏色是復雜顏色的布料圖像集合構成的粒，（?表示不考慮顏色類型的布料 圖像集合構成的粒；G,2表示紋理是單一或簡單紋理的布料圖像集合構成的粒，句表示紋理 是復雜紋理的布料圖像集合構成的粒，句表示紋理是圖案紋理的布料圖像集合構成的粒， (?表示不考慮紋理類型的布料圖像集合構成的粒；Gf表示材質為尼龍的布料圖像集合構 成的粒，句表示材質為棉布的布料圖像集合構成的粒,G丨表示材質為PU的布料圖像集合構 成的粒，句表示材質為網布的布料圖像集合構成的粒,G丨表示不考慮材質類型的布料圖像 集合構成的粒；
[0014] (1. 2)根據步驟（1. 1)所生成的布料圖像領域知識粒度空間進行粒度細化生成具 有細粒度的布料圖像領域知識粒度空間：

【權利要求】
1. 一種基于多粒度的布料圖像檢索方法，其特征在于，包括以下步驟： (1) 生成布料圖像領域特征粒度空間，具體包括以下子步驟：
h 1、始諸右M閱德姬M如W給_吞I、m . 4V Si丨出也閱德姬域顏色知識粒度空間 和圖像領域材質知識 丨色的布料圖像集合構 成的粒，句表示顏色是復雜顏色的布料圖像集合構成的粒，表示不考慮顏色類型的布料 圖像集合構成的粒；Gf表示紋理是單一或簡單紋理的布料圖像集合構成的粒，G丨表示紋理 是復雜紋理的布料圖像集合構成的粒，句表示紋理是圖案紋理的布料圖像集合構成的粒， 句表示不考慮紋理類型的布料圖像集合構成的粒；Gf表示材質為尼龍的布料圖像集合構 成的粒，句表示材質為棉布的布料圖像集合構成的粒,G丨表示材質為PU的布料圖像集合構 成的粒，表示材質為網布的布料圖像集合構成的粒,G丨表示不考慮材質類型的布料圖像 集合構成的粒； (1. 2)根據步驟（1. 1)所生成的布料圖像領域知識粒度空間進行粒度細化生成具有細 粒度的布料圖像領域知識粒度空間： 2,
(2) 提取布料圖像的顏色特征和紋理特征； (3) 對提取的顏色特征進行?；?，構建圖像顏色特征粒度空間，具體包括以下子步驟： (3.1)構建單主色特征粒度空間
其中，
，共 72 種顏色，first_color (u)
是對論域U進行粒化標準，表示示例圖像u的直方圖中最大占比的顏色的單主色集合， firSt_C〇l〇r(U')表示示例圖像u'的直方圖中最大占比的顏色的單主色集合；論域U表 示非空圖像集合，即布料圖像的集合 (3. 2)構建雙主色特征粒度空間， 霉中，|U|表 示論域U中布料圖像的個數,(名表示從72種顏色中取2個不同顏色的總組合數；
5 其中 first_two_lg A和最大顏色占比的顏色 和第2大顏色占比的顏色這兩個顏色構成的雙主色集合； (3.3)構建三主色特征粒度空間
<=min j| eg.，其中， |u|表示論域U中布料圖像的個數，C&表示從72種顏色中取3個不同顏色的總組合數； CJ.,(?) = [?'e 1/ : first_three_color_set(u) = first_three_color_set(u')\,i = 1,2,...,r ，其中 first three C〇l〇r_Set (u)是對論域U進行?；瘶藴?，表示示例圖像u的直方圖中最大顏色占比的顏色、 第2大顏色占比的顏色和第3大顏色占比的顏色這三個顏色形成的三主色集合； (4)基于多粒度的圖像相似度匹配方法，其包括以下子步驟： (4. 1)根據示例圖像u的領域知識在布料圖像領域知識粒度空間中進行匹配，其包括 以下步驟： (4. 1.A)判斷neGf AGf e、--是否成立，若成立則轉步驟（4. 1.D);否則進入 步驟（4. 1. B); (4. 1. B)判斷M g 知 aG卜?-或》e Gf a Gf 6 q"或W e Gf aGf G ^一,尤 成立，若成立則轉步驟（4. l.D);否則進入步驟（4. l.C); (4. 1. C)判斷m e G)八G) e € G,2 a句e或"e G/ a G/ e疋,<三者中哪個成立， 然后進入步驟（4. 1. D); (4. 1. D)上述所得到的匹配結果記為Gad; (4. 1.E)若1彡|Gad|彡IRRth，則示例圖像u檢索結束，其中IRRth為一個整數類型的閾 值，表示滿足匹配規(guī)則的圖像個數； (4. 1.F)否則，則執(zhí)行步驟（4.2); (4. 2)根據示例圖像u的直方圖在圖像顏色特征粒度空間中進行匹配，其包括以下步 驟： (4.2.幻判斷《€〇丨3八61,€;^是否成立，若成立則轉步驟（4.2.0)，否則進入步驟 (4. 2. B)； (4.2.B)判斷是否成立，若成立則轉步驟（4.2.D)，否則繼續(xù)步驟 (4. 2. C)； (4. 2. C)存在某個G〗,e義,滿足w eGt(,的粒，然后繼續(xù)步驟（4. 2. D); (4. 2. D)上述所得到的匹配結果記為Gac ; (4. 2. E)若1彡| Gac |彡IRRth，則示例圖像u檢索結束； (4. 2. F)否則，則執(zhí)行步驟（4.3); (4. 3)根據步驟（4. 1)的匹配結果Gad和步驟（4. 2)的匹配結果Ga。，進行集合的交運算 得到結果：Gad。= Gad n Ga。； (4. 4)判斷：若1 < |Gad」< IRRth，則示例圖像檢索u結束；若|Gad」=0,示例圖像 u不在布料圖像庫中，提示是否將該示例圖像u添加到布料圖像庫中，并給出相應的結果提 示；若|Gad。丨> IRRth，則進入步驟（4. 5)。
(4. 5)在子集Gad c中進行圖像釹捆蛙征的兀W.苴鈕下先驟： (4. 5. A)按歐式距離計算公式 算示例圖像u與子集Gad 。中所有圖像之間的距離Dju，u')，其中u' G Gad。是子集Gad。中的任意一個圖像，d表 示圖像紋理特征向量中分量的個數，uu[i]表示圖像u的紋理特征向量中第i個分量值，而 u' t[i]表示圖像u'的紋理特征向量中第i個分量值； (4. 5.B)判斷所有滿足D(u，V ) < threshold的圖像，其構成的集合記為Gad_c_t， 其中 0? 5 < threshold < = 1 ; (4.5.C)若|Gadc; t| =0,那么該布料圖像不在布料圖像庫中，提示是否將該布料圖像 添加到布料圖像庫中，并給出相應的結果提示，否則顯示檢索匹配結果。
2. 如權利要求1所述的基于多粒度的布料圖像檢索方法，其特征在于，IRRth的值為5。
3. 如權利要求1所述的基于多粒度的布料圖像檢索方法，其特征在于，步驟⑵具體包 括以下子步驟： (2. 1)采用圖像均衡化的方法對布料圖像進行增強預處理操作，采用總體變分法對布 料圖像進行復原預處理操作得到預處理后的布料圖像； (2. 2)對預處理后的布料圖像提取其所有像素點的位置信息以及RGB顏色分量信息； (2. 3)采用顏色直方圖方法描述布料圖像的顏色特征； (2. 4)采用灰度共生矩陣或K. Laws的紋理能量測度來獲取布料圖像的紋理特征。
4. 如權利要求3所述的基于多粒度的布料圖像檢索方法，其特征在于，步驟（2.3)中， 所述顏色直方圖方法為主色權重直方圖方法。
【文檔編號】G06T7/00GK104281588SQ201310277286
【公開日】2015年1月14日 申請日期:2013年7月3日 優(yōu)先權日:2013年7月3日
【發(fā)明者】邱桃榮, 蔡征兵, 林美波, 周石林, 蔡志芳 申請人:廣州蓋特軟件有限公司