一种建立服装图像多层次细节骨架模型的方法
【技术领域】
[0001] 本发明设及一种建立服装图像骨架模型的方法，尤其是一种建立服装图像多层次 细节骨架模型的方法。
【背景技术】
[0002] 图像处理领域中，骨架可W用一种简单紧凑的方式对物体进行描述，尤其在服装 图像的处理应用中，骨架可W集中体现服装的一系列信息，比如对称性、方向性、属性。但在 实际应用中，骨架不仅容易受到物体轮廓线的干扰而产生不合理的细小分支，而且自身可 能也包含过多过杂的小分支。因此，骨架简化成为了在具有丰富细节的骨架中提取有效特 征的一个重要手段。传统的骨架简化方法大多数采取简单的裁剪方法，即先选定一个与骨 架属性相关的参数（通常选取长度为参数），然后通过设置该参数的阔值来裁剪掉干扰分 支W及不重要的骨架分支。但该种方法只能得到一个相对简化的骨架，而不能抽离出最重 要的骨架原型；另外，参数的阔值不容易确定，常常需要人为地进行设置和调整。该种方法 存在不确定性大和效率低下的缺点，因而无法满足骨架在实际应用中的多重、快速的应用。
【发明内容】
[0003] 针对上述提到的传统骨架简化方法所存在的不确定性大和效率低下的缺点，本发 明提供了一种建立服装图像多层次细节骨架模型的方法，通过将修改的化geRank方法运 用到建立服装图像的骨架中，对骨架分支进行重要性等级评估，并且进行不同层次的分级， 自动建立一个多层次细节的模型。该模型在服装分类和服装匹配中具有很大的应用前景。
[0004] 如图1所示，本发明所采用的技术方案包括W下步骤：
[0005] 步骤一、提取服装骨架；通过OPENCV工具从服装图像提取服装轮廓并等距采 样得到服装轮廓的多边形，将组成服装轮廓的多边形作为约束条件，对多边形内部进行 Delaunay=角剖分，使得多边形内部的=角形保持Delaunay=角形的属性，得到具有两种 不同类型边的=角形；两种不同类型边为存在于服装轮廓的内部的内部边和存在于服装轮 廓上的边界边，边界边由两个相邻的服装轮廓点之间的连线组成，再将剖分得到的=角形 根据所具有内部边和边界边的数量划分为=类，提取每个=角形的内部骨架线段，将所有 =角形的内部骨架线段端点首尾相连，得到服装骨架；
[0006] 上述的服装图像中图像背景颜色单一并与服装颜色的具有明显色差，能显示出服 装轮廓。
[0007] 步骤二、对所提取的服装骨架进行光滑：
[000引提取服装骨架中的服装骨架分支，为了光滑服装骨架，分别对每个服装骨架分支 进行Bezier曲线拟合，将服装骨架分支的两个端点作为Bezier曲线的始末点，服装骨架分 支中间的骨架连接点作为Bezier曲线的控制点；该样既可达到光滑的效果，又可保持关键 点的位置不变，W此来保证服装骨架的整体位置不变。
[0009] 步骤=、提取服装轮廓对称轴：
[0010] 大部分服装都具有对称性，因此先用主成分分析PCA(PrincipalComponent Analysis)方法对服装轮廓的等距采样点进行降维得到两个特征向量，两个特征向量分别 作为主方向和次方向；W服装轮廓的重屯、点为经过点，分别W主方向和次方向为直线方向， 各自组成两个PCA轴，每个PCA轴将服装轮廓分割成两侧的轮廓线P和Q;
[0011] W其中任意一个PCA轴为镜像轴，将其中一侧的轮廓线P镜像映射到另一侧，得 到镜像部分轮廓线P'，该镜像部分轮廓线P'和原来分割得到的另一部分侧的轮廓线Q 在镜像轴的同侧，并计算镜像轴同侧两个轮廓线P'和Q的镜像Hausdorff距离（镜像 Hausdorff距离表示成MHD(MirrorHausdorffDistance)值，用来衡量被PCA轴分割得 到的两部分轮廓线P和Q的对称性），分别计算两个PCA轴分割得到两侧轮廓线的镜像 Hausdorff距离，选取较小镜像Hausdorff距离所对应的PCA轴（即更具有轮廓对称性的 轴）作为初始服装轮廓对称轴1。，初始服装轮廓对称轴1。进行迭代调整得到真实服装轮廓 对称轴1 ;
[0012] 步骤四、匹配服装骨架分支：
[0013] 利用真实服装轮廓对称轴1对服装骨架分支根据重屯、的位置进行左右归类，计算 左、右侧服装骨架分支两两之间的镜像Hausdorff距离；依次选取镜像Hausdorff距离最小 值所对应的两个左右服装骨架分支作为匹配对，已选取作为匹配对的两个左右服装骨架分 支不作为下一次选取匹配对的对象，直至其中一侧的服装骨架分支已被选取完，得到多组 匹配对；
[0014] 将镜像Hausdorff距离依次从小到大排列，再运用大津化SU法，每个镜像 Hausdorff距离依次作为分割值，用分割值将所有得到的镜像Hausdorff距离根据大小分 成两类，并计算两类各自的类内方差W及类间方差，取两类的类内方差最小和类间方差最 大对应的分割值作为最优阔值，去除大于最优阔值的镜像Hausdorff距离所对应的服装骨 架分支匹配对；大于最优阔值的镜像Hausdorff距离所对应的服装骨架分支匹配对通常是 一些对称性不高、匹配错误的匹配对，因此最后去除该些服装骨架分支匹配对。
[001引步骤五、利用改进的网页排序方法（PageRank方法）计算骨架关键点的重要性 值：
[0016] 将每个骨架关键点作为网页排序方法的页面节点赋予相同的重要性初始值，每个 服装骨架分支表示了两个骨架关键点（服装骨架分支的两个端点）之间的一个链接，包含 出链和入链；
[0017] 所有的页面节点和它们相互之间的链接关系组成了一个网络图模型，利用 化geRank方法可计算在该个网络图模型中每个页面节点的重要性值。化geRank方法刚开 始赋予每个网页相同的重要性值，通过出链、入链的关系不断迭代计算来更新每个页面节 点的化geRank得分（定义为PR值），直到得分稳定为止。本发明中，改进的化geRank方法 将出链、入链的路径距离（即服装骨架分支的长度）添加到方法中。
[0018] 将服装骨架分支的长度作为网页排序方法中重要性值的分配因素，采用网页排序 方法通过出链、入链的关系不断迭代计算更新，直至数值稳定得到最后每个页面节点的重 要性值，具体采用W下公式：
[0019] PR(E) =m-〇^-0^^PR(E,)
[0020] 其中，PR巧）表示页面节点E的重要性值，m表示页面节点E所链接的页面节点Ei 的数量，N巧i)表示页面节点Ei所链接的页面节点数量，n表示页面节点Ei所链接的页面节 点Ej.的数量，UE。Ej.)表示两个相互链接页面节点&和Ej.之间的路径长度，i表示页面节 点E所链接的页面节点&的序数，j表示页面节点Ei所链接的页面节点Ej.的序数；
[002U 步骤六、利用迭代循环计算服装骨架的重要性值，建立服装图像的多层次细节骨 架模型：
[0022] 将服装的骨架末梢点所连接的唯一服装骨架分支定义为骨架末梢分支，重复计算 服装骨架关键点的重要性值并且简化服装骨架，得到最后的服装图像的多层次细节骨架模 型.
[0023] 从最初的服装骨架开始，W上过程可W得到一系列依次简化的服装骨架，共同组 成了从繁到简的一系列服装骨架。为了应用的方便性，将该些服装骨架的排列方式重新倒 序排列，得到从简到繁的一系列服装骨架，即服装图像的多层次细节骨架模型。
[0024] 所述步骤一中，剖分得到的=角形根据所具有的内部边和边界边的数量采用W下 方式划分为=类；具有一个内部边和二个边界边的为I类=角形，具有二个内部边和一个 边界边的为II类=角形，具有=个内部边的为III类=角形。
[0025] 所述步骤一中，内部骨架线段包括I类S角形中内部边的中点和该内部边所对的 S角形顶点的连线、II类S角形中两个内部边的中点之间连线、III类S角形中S个内部 边的中点和S角形Voronoi点的各自连线。
[0026] 所述步骤二中，提取服装骨架中的服装骨架分支具体为：根据步骤一组成服装骨 架的点有W下=类；连接=个=角形内部骨架线段的骨架交叉点、连接二个=角形内部骨 架线段的骨架连接点和只连接一个=角形内部骨架线段的骨架末梢点；将骨架交叉点和 骨架末梢点作为骨架关键点，如果两个骨架关键点之间的骨架线段路径上不存在骨架交叉 点，则该骨架线段路径为服装骨架分支，该两个骨架关键点为服装骨架分支的两个端点。
[0027] 所述步骤=中，对初始服装轮廓对称轴Ik采用W下方式进行迭代调整W接近真实 服装轮廓对称轴：
[0028] 3. 1)服装轮廓对称轴Ik将服装轮廓分割为两侧的轮廓线Pk和Qk，k为服装轮廓对 称轴调整次数，将其中一部分轮廓线PkW服装轮廓对称轴1k为基准映射到另一侧，得到镜 像部分轮廓P'k;
[0029] 3.2)将镜像部分轮廓P'k和另一侧轮廓线Qk上的点作为两个点集合，用 ICPQterativeClosestPoints)方法不断计算并更新得到镜像部分轮廓P"k，更新后的 镜像部分轮廓P"k和其初始未映射的部分轮廓Pk进行点的一一对应，得到对应的各对匹 配点；
[0030] 3. 3)利用最小二乘法，将每对匹配点连接线段的中点作为点集来拟合得到新的服