一种基于多粒度的布料图像检索方法
【专利摘要】本发明涉及一种基于多粒度的布料图像检索方法，该方法采用粒计算理论研究实现一种可以灵活调整布料图像特征粒度的方法，通过该方法可以对布料图像进行多粒度的检索。使用颜色特征与纹理特征来描述布料图像，同时对颜色特征构建三种不同的颜色组合粒度（单主色、双主色以及三主色的颜色组合粒度），并结合布料图像领域知识粒度，实现一种更符合人类视觉感知的布料图像检索方法。
【专利说明】一种基于多粒度的布料图像检索方法
【技术领域】
[0001] 本发明涉及图像处理技术，具体涉及基于多粒度的布料图像检索方法。
【背景技术】
[0002] 箱包企业需要经常性和大批量进行原材料的采购，而众多的布料供应商店经常需 要从大量的布料色卡中寻找满足客户需要的各类布料。采用人工方式来比对需要采购的布 料色卡存在费时、劳动强度大和容易出差错等问题，容易造成企业实际需要的原材料与购 进的原材料不吻合，而不能正常进行生产，严重地影响企业的生产效率和经济效益。同时， 也给布料供应商店带来很多不便。因此，企业采购人员和布料供应商店迫切需要一套方便 和有效检索布料色卡图像的计算机应用系统。
[0003] 随着互联网信息迅速膨胀，图像数据量也日益增加，使得基于内容的图像检索成 为当今计算机领域研究热点。基于内容的图像检索主要根据图像的底层视觉特征（如颜 色、纹理、形状和空间分布信息等）来进行检索。颜色是彩色图像显著的特征，能够提供丰 富的信息，同时颜色特征稳定性好，对图像的缩放、平移、旋转不敏感。所以颜色特征颇受研 究者的青睐，是图像检索中应用最为广泛的视觉特征。每种底层视觉特征都有其局限性，对 某一类型图像有着较好的检索效果，而对其他的图像检索效果未必理想。所以在图像检索 中，需要将图像的多种底层特征融合在一起才能得到更好的图像检索效果。
[0004] 自从Zadeh于1979年提出了信息粒度（Information Granularity)的概念之后， 信息粒度就逐渐成为了粒数学的研究思想。Zadeh认为人类对自然的认知能力是从粒化、 组织和推理三个方面进行的。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"介绍了他所提出的粒计算（Granular Computing)的概念。粒计算是研究多层 次粒结构的思维方法、问题求解方式、信息处理模式以及相关理论思想、技术方法和工具的 学科。粒计算具有描述粒化、组织和推理的能力，与现实世界的结构、人的思维模式、行为方 式具有一致性。同时粒计算能够提供一套完整的、系统的思维描述方式与行为模式，通过不 同层次的抽象处理达到简化问题的目的。通过寻求不同粒度上的近似解提高效率，同时由 于采用不同的粒度而具有较强的鲁棒性。所以粒计算成为了当前计算机研究领域的热点， 也逐渐成为了一门新的计算机学科。
[0005] CBIR(Content_based Image Retrieval)技术首先提取图像本身颜色、纹理、形状 等视觉特征信息，通过量化将这些特征信息保存到数据库中。然后建立相似度计算规则对 待检索图像与库中图像进行相似度计算返回满足条件的图像序列。CBIR从图像本身存在的 特征出发，减少甚至消除了人工的干预。CBIR查询者能够更加快速、准确得找到所需要的 图像，也让图像管理人员能够摆脱繁琐而又重复性的工作，同时使得图像识别的工作更加 自动化，更加智能化。
[0006] 颜色特征提取是基于内容的图像检索系统（CBIR)中非常重要的一项工作，只有 对图像的抽象视觉特征提取为计算机所能够表达的特征之后才方便采用相似度度量技术 对图像的相似度进行计算。常用的图像视觉特征包括颜色特征、纹理特征、形状特征等。由 于布料图像的颜色与纹理特征较为明显，而形状特征只是许多纹理特征相互结合而形成 的，所以本发明主要提取图像的颜色特征与纹理特征。图像的颜色特征的计算方法较为 简单，而且对于图像的全局颜色特征而言，不会随着图像的旋转缩放平移等变化而发生变 化，所以具有较好的稳定性、鲁棒性。纹理特征是所有图像都拥有的一种视觉特征，纹理特 征可以体现出图像中的像素分布关系、像素的统计特征等，所以是非常重要的图像视觉特 征。常用的图像颜色特征提取方法有基于颜色直方图、颜色矩、颜色相关图、颜色集、颜色 聚合向量等方法；颜色相关图与颜色聚合向量方法的计算量大，算法时间复杂度较高，所以 在实际应用中较少使用；颜色矩与颜色集通常需要结合其他颜色描述方法来对图像进行 特征提取，单独的颜色矩与颜色集的识别效果并不理想。Hafner J. Efficient在Pattern Analysis and Machine Intelligence 在 1995 年第 17 卷，第 7 期 729-736 页上发表的文 章 "Color Histogram Indexing for Quadratic Form Distance Functions，'中介绍了传 统的颜色直方图，它往往需要记录图像中所有出现的颜色信息的统计直方图，使得工作量 较大。而实际情况是，人造纹理中的主要颜色并不很多，最多不超过十几个，所以只需要记 录颜色所占分量排在前几位的图像颜色即可。
[0007] 灰度共生矩阵是一种最常用的图像纹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 期上发表了" Textural Features for Image Classification",该文对于图 像的纹理特征描述具有较好的效果，但是其算法复杂度会随着颜色灰度级数的增加而成级 数增长，所以需要结合较好的灰度等级量化方法来进行矩阵生成。另外一种纹理描述方法 是K. Laws在其论文"Textured Image Segmentation"中提出的基于能量的纹理特征描述 方法（即纹理能量测度）。图像纹理能量特征对于人造纹理的识别能力较强，但是对于尺寸 较大的图像而言其计算时间较长。
[0008] 所以单独使用以上介绍的一种或者两种方法简单对图像特征进行提取是无法有 效满足实际图像检索的需求，需要对待匹配图像进行分析，根据得到的分析结果结合不同 的视觉特征进行图像的分类识别工作。这样才能得到最好的特征利用效率，实现最佳的检 索效果。
【发明内容】
[0009] 本发明的目的在于提出一种基于多粒度的布料图像检索方法，其能解决无法有效 满足实际图像检索的需求的问题。
[0010] 为了达到上述目的，本发明所采用的技术方案如下：
[0011] 一种基于多粒度的布料图像检索方法，其包括以下步骤：
[0012] (1)生成布料图像领域特征粒度空间，具体包括以下子步骤：
[0013] (1. 1)构建布料图像领域知识粒度空间：分别生成图像领域颜色知识粒度空间 露《4 ，句，G丨}、.图像领域纹理知识粒度空间晃# 和图像领域材质知识 粒度空间={Gf,G;，G丨，丨丨;其中，G;表示颜色是单一或简单颜色的布料图像集合构 成的粒，4表示颜色是复杂颜色的布料图像集合构成的粒，（?表示不考虑颜色类型的布料 图像集合构成的粒；G,2表示纹理是单一或简单纹理的布料图像集合构成的粒，句表示纹理 是复杂纹理的布料图像集合构成的粒，句表示纹理是图案纹理的布料图像集合构成的粒， (?表示不考虑纹理类型的布料图像集合构成的粒；Gf表示材质为尼龙的布料图像集合构 成的粒，句表示材质为棉布的布料图像集合构成的粒,G丨表示材质为PU的布料图像集合构 成的粒，句表示材质为网布的布料图像集合构成的粒,G丨表示不考虑材质类型的布料图像 集合构成的粒；
[0014] (1. 2)根据步骤（1. 1)所生成的布料图像领域知识粒度空间进行粒度细化生成具 有细粒度的布料图像领域知识粒度空间：
【权利要求】
1. 一种基于多粒度的布料图像检索方法，其特征在于，包括以下步骤： (1) 生成布料图像领域特征粒度空间，具体包括以下子步骤：
h 1、始諸右M阅德姬M如W給_吞I、m . 4V Si丨出也阅德姬域颜色知识粒度空间 和图像领域材质知识 丨色的布料图像集合构 成的粒，句表示颜色是复杂颜色的布料图像集合构成的粒，表示不考虑颜色类型的布料 图像集合构成的粒；Gf表示纹理是单一或简单纹理的布料图像集合构成的粒，G丨表示纹理 是复杂纹理的布料图像集合构成的粒，句表示纹理是图案纹理的布料图像集合构成的粒， 句表示不考虑纹理类型的布料图像集合构成的粒；Gf表示材质为尼龙的布料图像集合构 成的粒，句表示材质为棉布的布料图像集合构成的粒,G丨表示材质为PU的布料图像集合构 成的粒，表示材质为网布的布料图像集合构成的粒,G丨表示不考虑材质类型的布料图像 集合构成的粒； (1. 2)根据步骤（1. 1)所生成的布料图像领域知识粒度空间进行粒度细化生成具有细 粒度的布料图像领域知识粒度空间： 2,
(2) 提取布料图像的颜色特征和纹理特征； (3) 对提取的颜色特征进行粒化，构建图像颜色特征粒度空间，具体包括以下子步骤： (3.1)构建单主色特征粒度空间
其中，
，共 72 种颜色，first_color (u)
是对论域U进行粒化标准，表示示例图像u的直方图中最大占比的颜色的单主色集合， firSt_C〇l〇r(U')表示示例图像u'的直方图中最大占比的颜色的单主色集合；论域U表 示非空图像集合，即布料图像的集合 (3. 2)构建双主色特征粒度空间， 霉中，|U|表 示论域U中布料图像的个数,(名表示从72种颜色中取2个不同颜色的总组合数；
5 其中 first_two_lg A和最大颜色占比的颜色 和第2大颜色占比的颜色这两个颜色构成的双主色集合； (3.3)构建三主色特征粒度空间
<=min j| eg.，其中， |u|表示论域U中布料图像的个数，C&表示从72种颜色中取3个不同颜色的总组合数； 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)是对论域U进行粒化标准，表示示例图像u的直方图中最大颜色占比的颜色、 第2大颜色占比的颜色和第3大颜色占比的颜色这三个颜色形成的三主色集合； (4)基于多粒度的图像相似度匹配方法，其包括以下子步骤： (4. 1)根据示例图像u的领域知识在布料图像领域知识粒度空间中进行匹配，其包括 以下步骤： (4. 1.A)判断neGf AGf e、--是否成立，若成立则转步骤（4. 1.D);否则进入 步骤（4. 1. B); (4. 1. B)判断M g 知 aG卜?-或》e Gf a Gf 6 q"或W e Gf aGf G ^一,尤 成立，若成立则转步骤（4. l.D);否则进入步骤（4. l.C); (4. 1. C)判断m e G)八G) e € G,2 a句e或"e G/ a G/ e疋,<三者中哪个成立， 然后进入步骤（4. 1. D); (4. 1. D)上述所得到的匹配结果记为Gad; (4. 1.E)若1彡|Gad|彡IRRth，则示例图像u检索结束，其中IRRth为一个整数类型的阈 值，表示满足匹配规则的图像个数； (4. 1.F)否则，则执行步骤（4.2); (4. 2)根据示例图像u的直方图在图像颜色特征粒度空间中进行匹配，其包括以下步 骤： (4.2.幻判断《€〇丨3八61,€;^是否成立，若成立则转步骤（4.2.0)，否则进入步骤 (4. 2. B)； (4.2.B)判断是否成立，若成立则转步骤（4.2.D)，否则继续步骤 (4. 2. C)； (4. 2. C)存在某个G〗,e义,满足w eGt(,的粒，然后继续步骤（4. 2. D); (4. 2. D)上述所得到的匹配结果记为Gac ; (4. 2. E)若1彡| Gac |彡IRRth，则示例图像u检索结束； (4. 2. F)否则，则执行步骤（4.3); (4. 3)根据步骤（4. 1)的匹配结果Gad和步骤（4. 2)的匹配结果Ga。，进行集合的交运算 得到结果：Gad。= Gad n Ga。； (4. 4)判断：若1 < |Gad」< IRRth，则示例图像检索u结束；若|Gad」=0,示例图像 u不在布料图像库中，提示是否将该示例图像u添加到布料图像库中，并给出相应的结果提 示；若|Gad。丨> IRRth，则进入步骤（4. 5)。
(4. 5)在子集Gad c中进行图像钕捆蛙征的兀W.苴钮下先骤： (4. 5. A)按欧式距离计算公式 算示例图像u与子集Gad 。中所有图像之间的距离Dju，u')，其中u' G Gad。是子集Gad。中的任意一个图像，d表 示图像纹理特征向量中分量的个数，uu[i]表示图像u的纹理特征向量中第i个分量值，而 u' t[i]表示图像u'的纹理特征向量中第i个分量值； (4. 5.B)判断所有满足D(u，V ) < threshold的图像，其构成的集合记为Gad_c_t， 其中 0? 5 < threshold < = 1 ; (4.5.C)若|Gadc; t| =0,那么该布料图像不在布料图像库中，提示是否将该布料图像 添加到布料图像库中，并给出相应的结果提示，否则显示检索匹配结果。
2. 如权利要求1所述的基于多粒度的布料图像检索方法，其特征在于，IRRth的值为5。
3. 如权利要求1所述的基于多粒度的布料图像检索方法，其特征在于，步骤⑵具体包 括以下子步骤： (2. 1)采用图像均衡化的方法对布料图像进行增强预处理操作，采用总体变分法对布 料图像进行复原预处理操作得到预处理后的布料图像； (2. 2)对预处理后的布料图像提取其所有像素点的位置信息以及RGB颜色分量信息； (2. 3)采用颜色直方图方法描述布料图像的颜色特征； (2. 4)采用灰度共生矩阵或K. Laws的纹理能量测度来获取布料图像的纹理特征。
4. 如权利要求3所述的基于多粒度的布料图像检索方法，其特征在于，步骤（2.3)中， 所述颜色直方图方法为主色权重直方图方法。
【文档编号】G06T7/00GK104281588SQ201310277286
【公开日】2015年1月14日 申请日期:2013年7月3日 优先权日:2013年7月3日
【发明者】邱桃荣, 蔡征兵, 林美波, 周石林, 蔡志芳 申请人:广州盖特软件有限公司