专利名称：一种商品图像视觉质量的自动分级方法
技术领域：
本发明涉及图像搜索技术领域，特别是涉及开发了一种商品图像视觉质量的自动分级方法。
背景技术：
当网上购物已经成为一种潮流和趋势时，用户通过图像搜素技术不仅仅希望搜索到商品相同或者相似的图片，更希望能提供一种导购方式，呈现更佳的商品。大量实验表明图片质量的好坏会直接影响用户的购买行为，一张高质量的商品图往往更能激发用户的购买欲望
发明内容
本发明目的是作为图像搜索技术的必要补充，用来提高用户的购买欲望。本发明的目的通过以下步骤实现一种商品图像视觉质量的自动分级方法，包括以下步骤(I)将一批量图片作为训练样本，定义质量等级(非常好、好、一般、差、极差)，人工标定每张图片的质量等级。提取颜色直方图、颜色简洁度、颜色和谐度以及图片规则度作为训练样本的训练特征。(2)训练步骤I中提取的特征，得到上述特征向量的特征权值。(3)建立图像质量自动分级SVM模型。(4)图像质量预分级，具体步骤如下(4. I)提取模糊度模糊因子提取主要分为两步提取边缘以及计算模糊因子。首先得到水平方向和竖直方向的边缘图；其次求得模糊因子图BR(x，y)以及反模糊因子，公式如下
I/(U)為 O，J,) IBR；, {x, V) =--=-；
-A(x^y)
\f(x,y)-^AXx,y)\BR, U, .V，)=-----;式中，Ah(x，y)、Av(x，y)分别为水平方向和竖直方向的边缘图，f(x，y)为原图。BRh(x，y) ,BRv(x, y)分别表示水平方向和竖直方向的模糊因子，而反模糊因子则为BRh(x，y)和BRv (X，y)最大值。最后计算模糊均值和模糊比率。计算公式如下
Rhrr =Riui- = ^llilc,；.办_Dl杉贿ratio ~，
fi/wr-Edgecnt式中，Sumblur为反模糊因子的值和，Blurcnt为满足反模糊因子小于模糊度T的像素的个数和；Edgeent为水平和竖直方向边缘像素的个数，Blurfflean表示模糊均值，Blurrato表示模糊比率。(4. 2)提取噪音比噪音是影响图片质量的重要因子，具体步骤如下首先对原图进行中值滤波，并求得滤波后水平方向以及竖直方向的边缘图。其次求得噪音图Nmd (x，y)，计算公式如下
N JNcaJx^={max(Dr(x^A(x^)^^.
cmd，
Ofithemise式中，Dh(x，y)、Dv(x，y)分别是水平方向和竖直方向的边缘图，Dh__n、Dv__分别为水平方向和竖直方向上的阈值，Ncand(x, y) > Ncand分别表不噪音值和噪音图。最后计算噪音均值以及噪音比，计算公式如下Nosiemean = S:-se Nosiemtio =
NosiecntM* N式中，SumMise、Noisemt分别为噪音图的像素值值的和以及噪音图非零值像素个数,Noise_n、Noiseent分别表示噪音均值和噪音比,M、N为操作图片的长和宽。而噪音图的长和宽。进行模糊度和噪音比的融合进行模糊度和噪音比的融合公式如下Metric=I-(W1Blurniea^W2BlurratiJw3Noisen1eal^w4Noiserati0)；式中，Metric表示融合后特征值，Blurfflean表示模糊均值，Blurrato表示模糊比率，，Noisemean表示噪音均值，Noisecnt表示噪音比。(4. 3)提取weber对比度以及颜色对比度其中，weber对比度公式如下fwc=-H---；
wxr/,—Iavg式中，fwc表示weber对比度，m、n为图像的长和宽，Iavg为图像的均值，I (x, y)表示在点(x，y)的像素值。颜色对比度公式如下fcc=( ImJ |/| |r| )/( Imi /I |i| I)；式中，f。。表示颜色对比度，R为主体商品区域，I为原图。M10M1表示商品主体区域和原图区域像素值变化聚类像素的个数。(4.4)文字特征提取步骤如下(4. 4. I)离线学习训练图像中红色文字logo区域像素点值，根据公式计算色度的均值M和协方差C。(4. 4. 2)对于 输入的每个像素，计算与离线训练模型的距离，检测输入相似是否为红色文字区域。(4. 4. 3)阈值分割得到二值掩码图像，提取各个连通区域。(4. 4. 4)对各个连通区域根据ORC算法精确定位是否属于文字logo区域，并识别文字在图像中的位置以及个数。(4. 5)提取待分级图片特征，特征为步骤I中所述特征。
(4. 6)根据步骤2中计算得到的特征向量权值，对步骤5提取的特征进行多特征融
口 o(4. 7)对步骤6得到的融合特征作为输入参数送入步骤3中所建立的SVM模型，得到待分级图片质量级别。本发明的有益效果是，本发明商品图像视觉质量的自动分级方法在用户通过图像技术搜索得到的商品图中优先展示用户满意度高即高质量的图片。
图I为系统框架图；图2为预处理流程图；
图3为颜色直方图计算流程图。
具体实施例方式下面以服饰类图像为例，结合附图对本发明做进一步详细的说明。如图I所示，商品的图像视觉质量自动分级方法包括以下步骤步骤I :将一批量图片作为训练样本，定义质量等级(非常好、好、一般、差、极差)，人工标定每张图片的质量等级。提取颜色直方图、颜色简洁度、颜色和谐度以及图片规则度作为训练样本的训练特征。I. I颜色直方图的提取方法计算步骤如下颜色量化将每个通道8位共256级量化为16级，RGB三个通道共4096级，即4096个 Bin。颜色聚类根据量化后的颜色分布，计算颜色直方图。取前N (目前N=S)位颜色为初始聚类中心，利用Kmeans进行颜色聚类，得到颜色分布情况。I. 2颜色简洁度的提取整个步骤如下求得彩色图的颜色分布，并对RGB每个通道量化到16bin，创建一个4096bin的直方图，其颜色简洁度计算公式如下fs=(| I S| I/4096) *100% ；式中，fs表不颜色简洁度，S表不直方图值大于某一阈值T的直方图bin的个数。I. 3颜色和谐度的提取步骤如下采用Yiwen Luo, Xiaoou Tang Photo and VideoQuality Evaluation Focusing on the Subject. ECCV> 08 Procedings of the 10thEuropean Conference on Computer Vision,pages 386—399，Berlin，Heidelberg，2008.SpringerVerlag.所示方法将RGB彩色图转换到HSV空间，分别提取H、S、V空间的颜色直方图，并加以合并，公式如下H(i, j) =Avg (H(i)+H(j))；式中，i、j表示不同的H、S、V空间下直方图的bin, H(i, j)表示在i、jbin下的颜色直方图，Avg表示取平均值。其颜色和谐度计算公式如下fh=h (h) *s (h) *v (h)；式中，fh表示颜色和谐度,h(h)、s(h)、v(h)分别表示该图在h、S、v通道下的直方图。
I. 4图片规则度表示图片内容排列的混杂程度，用基于方向的梯度直方图来表示，提取步骤如下首先将图像分成4X4块，并规定梯度的5个方向分别为垂直、水平、45度、135度以及无方向，得到4X4X5bin直方图。其次，求得每个bin的值。使用数字滤波器提取每一个分块的边缘特征。应用过程中，数字滤波器将每个分块图像继续细分成4个子图像块，滤波器系数分别表示为fv (k)、fh(k)、f45(k)、f135(k)、fnd(k)，其中k表示4个子图像块的位置。由此，五种边缘类型的度量值计算如下，以垂直方向为例
权利要求
1.一种商品图像视觉质量的自动分级方法，其特征在于，包括以下步骤 (1)将一批量图片作为训练样本，定义质量等级(非常好、好、一般、差、极差)，人工标定每张图片的质量等级；提取颜色直方图、颜色简洁度、颜色和谐度以及图片规则度作为训练样本的训练特征； (2)训练步骤I中提取的特征，得到上述特征向量的特征权值； (3)建立图像质量自动分级SVM模型； (4)图像质量预分级，具体步骤如下 (4. I)提取模糊度模糊因子提取主要分为两步提取边缘以及计算模糊因子； 首先得到水平方向和竖直方向的边缘图； 其次求得模糊因子图BR(x，y)以及反模糊因子，公式如下
2.根据权利要求I所述商品图像视觉质量的自动分级方法，其特征在于，所述步骤I中，所述颜色直方图的提取方法如下 (a)颜色量化将每个通道8位共256级量化为16级，RGB三个通道共4096级，即4096个 Bin ； (b)颜色聚类根据量化后的颜色分布，计算颜色直方图；取前N位颜色为初始聚类中心，利用Kmeans进行颜色聚类，得到颜色分布情况，N=S0
3.根据权利要求I所述商品图像视觉质量的自动分级方法，其特征在于，所述步骤I中，所述颜色简洁度的提取整个步骤如下求得彩色图的颜色分布，并对RGB每个通道量化到16bin,创建一个4096bin的直方图,其颜色简洁度计算公式如下fs=( S Il /4096) *100% ； 式中，fs表不颜色简洁度，S表不直方图值大于某一阈值T的直方图bin的个数。
4.根据权利要求I所述商品图像视觉质量的自动分级方法，其特征在于，所述步骤I中，所述颜色和谐度的提取步骤如下将RGB彩色图转换到HSV空间，分别提取H、S、V空间的颜色直方图，并加以合并，公式如下H(i, j)=Avg(H(i)+H(j))； 式中，i、j表示不同的H、S、V空间下直方图的bin, H(i, j)表示在i、jbin下的颜色直方图，Avg表示取平均值；其颜色和谐度计算公式如下 fh=h (h) *s (h) *v (h)； 式中，fh表示颜色和谐度，h(h)、S (h)、V(h)分别表示该图在h、S、V通道下的直方图。
5.根据权利要求I所述商品图像视觉质量的自动分级方法，其特征在于，所述步骤I中，所述图片规则度表示图片内容排列的混杂程度，用基于方向的梯度直方图来表示，提取步骤如下 首先将图像分成4X4块，并规定梯度的5个方向分别为垂直、水平、45度、135度以及无方向，得到4X4X5bin直方图； 其次，求得每个bin的值；使用数字滤波器提取每一个分块的边缘特征；数字滤波器将每个分块图像继续细分成4个子图像块，滤波器系数分别表示为fv(k)、fh(k)、f45(k)、f135 (k)、fnd (k)，其中k表示4个子图像块的位置；由此，五种边缘类型的度量值计算如下，以垂直方向为例
6.根据权利要求I所述商品图像视觉质量的自动分级方法，其特征在于，所述步骤2具体为假设4…xf)为步骤I中提取的特征向量，i表示第i张训练图片，M表示m维的特征组合；f (X)表示预测得到的分数，F(X)用户定义的分数，可以得到一个损失函数，目标使损失函数能量损耗最低，再得到特征权值，公式如下
7.根据权利要求I所述商品图像视觉质量的自动分级方法，其特征在于，所述步骤3建立的图像质量自动分级SVM模型为
全文摘要
本发明公开了一种基于商品的图像视觉质量自动分级方法。该方法首先将一批量图片作为训练样本，定义质量等级，人工标定每张图片的质量等级。提取训练图片的特征，包括颜色直方图、颜色和谐度、图片规则度，然后通过训练方式得到特征向量权值，建立图像质量自动分级SVM训练模型，提取待分级图片模糊因子、噪声比和对比度，检测文字在商品图片的数量以及位置，预先分级低质量图片；然后提取待分级图片训练特征并训练得到特征向量权值；最后计算待分级图片质量级别；本发明会在用户通过图像技术搜索得到的商品图中优先展示用户满意度高即高质量的图片。
文档编号G06F17/30GK102799669SQ201210246598
公开日2012年11月28日 申请日期2012年7月17日 优先权日2012年7月17日
发明者王海洋, 黄琦, 林建聪, 王丰年, 孙凯 申请人:杭州淘淘搜科技有限公司