基于服装手绘草图的服装图像检索方法
【技术领域】
[0001] 本发明设及服饰检索应用，特别是设及一种基于服装手绘草图的服装图像检索方 法，可通过触控交互方式绘制服装设计草图并高效准确地检索出相应结果。
【背景技术】
[0002] 互联网多媒体技术的迅猛发展使得数字多媒体的存储信息越来越庞大，因而图像 的管理与存储也成为国内外众多学者重要的研究课题。经过学者们多年在该领域的深入研 究，基于内容的图像检索技术已取得了显著的研究成果。
[0003] 20世纪60年代Sutherland研发了第一个交互式图形系统Sketchpad,运时鼠标仍 然没有被发明。在运种情况下，Ivan Sutherland做出了第一个图形化的程序。通过 Sketchpad，可W用激光笔在屏幕上作图，许多操作类似于今天的AutoCAD和Adobe Illustratore20世纪70年代提出了基于图像文本标注的检索方式，即检索图像的文字表 示。运种检索方式由于人工标注的主观性，导致检索效果并不理想。80年代初期，鼠标的商 业化带来了 WIMP交互风格的快速发展，与此同时特别是伴随着智能终端等硬件设备的快速 普及、众多手写识别系统的成功应用，W草图识别和手写识别为核屯、的人机交互技术受到 了国内外的广泛研究。20世纪90年代初研究者们又提出基于图像内容的检索方式，基于内 容的图像检索（Content Based Image Retrieval ,CBIR)是指根据图像对象的内容及上下 文联系在大规模多媒体数据库中进行数据筛选。通过提取图像的底层特征，如颜色、纹理 等，增加了图像检索的有效性。而随着便捷化，小型化无线设备的发展和"数字水墨"或电子 纸的出现，笔式交互便成为了新型人机交互方式。人机交互界面由桌面环境模拟了笔纸的 环境，促进了笔式交互的进程，也为利用手绘草图进行图像检索奠定了基础。
[0004] 21世纪草图识别处于初始研究阶段，大部分的研究工作只基于简单手绘和局限于 一些狭隘领域，如化学图纸在化学领域的应用；简单的手绘形状的识别，如圆形和矩形等图 形。达拉尔2000年提出向梯度直方图及其变种;Shechtman和2007年伊拉尼也进行了 SIFT自 相似实验，并获得了一致的结果。2011年，德国柏林大学的Eitz等人提出了一种基于词袋模 型的关键点邻域梯度方向特征的方法，将其应用于草图检索中并取得了不错的效果。
[0005] 目前对于手绘草图的研究主要集中在通用情景，而专口针对服装图像进行专业化 的检索还未有深入进展。传统服装图像的特征提取算法大都是在某种特定应用环境下产生 的，不具有普遍适用性，没有针对于服装成像的特点进行分析。
【发明内容】
[0006] 本发明要解决的技术问题是提供一种基于服装手绘草图的服装图像检索方法，W 解决现有技术中传统的手绘图像检索很难保证解锁结果准确性的问题。
[0007] 为解决上述技术问题，本发明采用下述技术方案：
[000引基于服装手绘草图的服装图像检索方法，该方法的步骤包括：
[0009] S1、获取服装手绘草图图像，利用自适应中值滤波器对该图像进行空域平滑预处 理；
[0010] S2、对现有的服装样本图像进行图像分割，并利用自适应尺度边缘提取方法对图 像轮廓进行提取；
[0011] S3、基于SURF算法，提取服装手绘图像和服装样本图像的特征点；
[0012] S4、建立现有服装样本图像数据库，利用服装手绘草图图像的特征点在数据库中 检索，确定符合要求的服装样本图像。
[0013] 优选地，所述步骤Sl中利用自适应中值滤波器对该图像进行预处理的步骤包括：
[0014] S11、将大小为MXN的服装手绘草图图像分为S个子块，任意选取第k个子块Bk中的 某一待检测像素点（i，j)作为中屯、，构建W该点为中屯、的X X Y大小的检测滤波窗口内所有 像素点的灰度值的集合：
[001引 Ai, j = {f (i+s，j+t) I Q，j) eBk，s，te [-1，1]，其中，f (i+s, j+t)为该点（i，j)在S t邻域内的灰度值，S、t代表增量值，并且灰度值范围在子块Bk之中；
[0016] S12、将该集合中最大灰度值Max(i，j)和最小灰度值Min(i，j)w外的所有点的灰 度值构成集合Cl,J，并求得该集合中所有灰度值的平均值T(i，j);
[0017] S13、基于该平均值T(i，j)，判断第k个子块Bk中的噪声点；若改集合中某像素点 (i，j)的灰度值f (i，j)与平均灰度值T(i，j)的差大于检测阔值Td，同时该点灰度值与Max (i，j)和Min( i，j)中某一值相等，则该点为噪声点，并记为yi, j = 1，若否，则改为为非噪声 点，并记为yi,j = 〇;
[001 引即：（f(i，j) =MaxQ，j) UfQ，j) =MinQ，j)) n (f(i，j)-T(i，j) > Td)。
[0019] 优选地，根据图像中噪声干扰程度调整检测阔值Td的大小。
[0020] 优选地，所述检测滤波窗口的尺寸干扰系数Pk等于该子块中噪声点个数与子块中 包含像素点总数之比；若Pk较小时，应选取较小尺寸的滤波窗口，若Pk较大时，应取较大尺 寸的滤波窗口。
[0021] 优选地，所述步骤S2中边缘提取的步骤包括：
[0022] S21、沿X方向和y方向建立服装样本图像的一阶倒数，得到两个基本小波：
其中，0(x，y)是二维平滑函数；
[0023] S22、将尺度参数a引入两个基本小波中，得到：
[0024]
'其矢量形式为：
[0025]
[00%]其中，fs(x，y)是f(x，y)平滑后所得图像；
[0027] S23、基于步骤S21和S22,定位样本图像的边缘为：
[0028]
该式取极值，经去噪滤波处理后，获 得其图像轮廓。
[0029] 优选地，所述步骤S3包括：
[0030] S31、构建待提取图像的积分图像；
[0031] S32、W2〇的窗口尺寸，利用化ar小波对样本图像和手绘图像进行滤波，其中，〇为 尺度空间；
[0032] S33、利用标准差为30的高斯函数，对滤波后的积分图像进行加权，获得待提取图 像的描述特征向量。
[0033] 优选地，所述图像数据库包括:服装外形与服装部件，W及服装部件之间的关系； 其中，对于每一个描述算子都包含一个关键点附近的四个直方图，每个直方图有8个方向， 每一个小格箭头方向都代表了像素梯度方向，箭头长度代表该像素的幅值。
[0034] 优选地，所述检索的步骤包括：
[0035] S41、先对图像特征点的最邻近点进行初始特征匹配；
[0036] S42、利用多重随机K-的对，进行二次临近点捜索；
[0037] S43、对错误匹配点进行剔除后，捜索数据库中描述子特征的信息，并确定匹配度 最高的一对匹配点。
[0038] 本发明的有益效果如下：
[0039] 本发明所述技术方案优点在于：
[0040] 1、将手绘草图的图像检索与服装样本良好的相结合，克服现有技术中只能采用刚 性结构特征进行图像检索的问题；
[0041] 2、突破传统手绘草图的特征提取，将服装结构加入特征描述中，提高现有算法的 检索效率；
[0042] 3、基于本方法建立W服装特征为主的数据库，为行业内人员提供了实验、分析和 效果评价的统一平台。
【附图说明】
[0043] 下面结合附图对本发明的【具体实施方式】作进一步详细的说明；
[0044] 图1示出本发明所述服装图像检索方法的示意图；
[0045] 图2示出服装手绘草图的示意图；
[0046] 图3-a示出原始手绘草图的示意图；
[0047] 图3-b示出利用自适应中值滤波后的手绘草图的示意图；
[004引图4-a示出利用Mallat算子进行边缘提取的示意图；
[0049] 图4-b示出利用化nny算子进行边缘提取的示意图；
[0050] 图4-C示出利用本发明所述算法进行边缘提取的示意图；
[0051] 图4-d示出利用Sobel算子进行边缘提取的示意图；
[0052] 图5示出基于SURF算法的方框滤波形成不同尺度空间的示意图；
[0053] 图6示出本发明所述特征提取描述子的示意图；
[0054] 图7示出本发明所述服装结构特征描述子的示意图；
[0055] 图8-a示出利用SURF方法进行特征点提取实验的示意图；
[0056] 图8-b