一种基于频域特征的织物纹理分类方法与流程

本发明涉及织物纹理分类技术领域，特别是涉及一种基于频域特征的织物纹理分类方法。

背景技术：

织物纹理是一种特殊的结构性纹理，织物纹理花型种类繁多，由于构成其织物的纱线为柔性体，其真实的织物纹理介于规则与随机之间。在当今互联网和大数据的背景下，如何实现基于图像的检索和匹配日趋重要。纺织服装作为我国的支柱产业，其在电子商务时代的大趋势下，基于内容的织物图像检索方法得到了越来越广泛的应用，同时当前纺织企业的面料的智能化管理也涉及大量的织物纹理检索问题。传统的图像检索方法主要是从图像的纹理、颜色、结构三个方面提取相关特征进行分类，而织物图像由于有大量重复性的纹理单元，多数纹理分类方法都是基于统计特性及局部算子进行表征，例如，灰度共生矩阵、局部二值算子。但由于局部特征存在参数选择问题，面对种类繁多的织物纹理适应性较差，且分类效果易受到图像旋转、缩放、平移等变化的影响。

技术实现要素：

本发明针对现有技术存在的问题和不足，提供一种基于频域特征的织物纹理分类方法。

本发明是通过下述技术方案来解决上述技术问题的：

本发明提供一种基于频域特征的织物纹理分类方法，其包括以下步骤：

1)针对多张织物图像样本进行织物特征数据库建立

针对每一张织物图像样本，设织物图像样本为i，大小为m*n像素：

1.1、应用中值滤波对织物图像样本i进行降噪，采用的模板尺寸为3*3或5*5；

1.2、将去噪声后的织物图像样本从rgb颜色空间转换到cielab颜色空间；

1.3、将颜色空间转换后的织物图像样本分解成l、a、b三个通道子图像，并对其应用傅立叶变换，变换后所得的图像分别记为fl、fa、fb；

1.4、对fl、fa、fb进行垂直投影操作，结果分别记为plv、pav、pbv，其公式如下：

1.5、对fl、fa、fb进行水平投影操作，得到plh、pah、pbh；

所有织物图像所得的六个特征plv、pav、pbv、plh、pah、pbh作为织物特征数据库；

2)图像检索

2.1、针对待检索的织物图像为a，对其应用步骤1.1～步骤1.5，记所得的六个特征为qlv、qav、qbv、qlh、qah、qbh；

2.2、计算所得特征与织物特征数据库特征之间的相似度，并将相似度最大的前特征作为检索结果输出。

较佳地，在步骤2.2中，相似度s的计算方法选用相关系数，其公式如下：

s＝w1ρ(plv,qlv)ρ(plh,qlh)+(1-w1)ρ(pav,qav)ρ(pbh,qbh)

式中，ρ(x,y)表示向量x和y之间的相关系数，w1为权重取值范围[0,1]。

在符合本领域常识的基础上，上述各优选条件，可任意组合，即得本发明各较佳实例。

本发明的积极进步效果在于：

本发明的织物纹理分类基于频域特征以获得织物特征数据库特征，图像检索主要是根据待检索的织物图像所得特征与织物特征数据库特征之间的相似度实现，并将相似度最大的前特征作为检索结果输出。

附图说明

图1为本发明较佳实施例的织物特征数据库建立的流程图。

图2为本发明较佳实施例的图像检索的流程图。

图3为本发明较佳实施例的织物图像的示意图。

图4为图3经傅立叶变化后的织物图像示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

本实施例提供一种基于频域特征的织物纹理分类方法，其包括以下步骤：

1)针对多张织物图像样本进行织物特征数据库建立

针对每一张织物图像样本，设织物图像样本为i，大小为m*n像素，流程为(见图1)：

1.1、应用中值滤波对织物图像样本i进行降噪，采用的模板尺寸为3*3或5*5；

1.2、将去噪声后的织物图像样本从rgb颜色空间转换到cielab颜色空间；

1.3、将颜色空间转换后的织物图像样本分解成l、a、b三个通道子图像，并对其应用傅立叶变换，变换后所得的图像分别记为fl、fa、fb；

1.4、对fl、fa、fb进行垂直投影操作，结果分别记为plv、pav、pbv，其公式如下：

1.5、对fl、fa、fb进行水平投影操作，得到plh、pah、pbh。

1.6、所有织物图像所得的六个特征plv、pav、pbv、plh、pah、pbh作为织物特征数据库。

2)图像检索

2.1、针对待检索的织物图像为a，对其应用步骤1.1～步骤1.5，记所得的六个特征为qlv、qav、qbv、qlh、qah、qbh；

2.2、计算所得特征与织物特征数据库特征之间的相似度，并将相似度最大的前特征作为检索结果输出(见图2)。

其中，相似度s的计算方法选用相关系数，其公式如下：

s＝w1ρ(plv,qlv)ρ(plh,qlh)+(1-w1)ρ(pav,qav)ρ(pbh,qbh)

式中，ρ(x,y)表示向量x和y之间的相关系数，w1为权重取值范围[0,1]。

为了验证本方法的有效性，选用2000张不同纹理的织物图像样本进行实验，图像大小为400*300像素，其中1500张图像样本用于建立数据库，剩余500张作为测试样本。

(1)针对1500张图像样本进行织物特征数据库建立

针对每一张织物图像样本，设织物图像样本为i(见图3)，大小为m*n像素：

步骤1.1：应用中值滤波进行降噪，采用的模板尺寸为3*3。

步骤1.2：将去噪声后的图像从rgb颜色空间转换到cielab颜色空间。

步骤1.3：将图像分解成l、a、b三个通道子图像，并对其应用傅立叶变换，变换后所得的图像(见图4)分别记为fl、fa、fb。

步骤1.4：对fl、fa、fb进行垂直投影操作，结果分别记为plv、pav、pbv，其公式如下：

步骤1.5：对fl、fa、fb进行水平投影操作，得到plh、pah、pbh。

对所有1500张图像应用上述步骤，将所得的六个特征plv、pav、pbv、plh、pah、pbh作为织物特征数据库。

(2)检索

步骤2.1：待检索的织物图像a，对其应用步骤1.1～步骤1.5，记所得的六个特征为qlv,qav,qbv,qlh,qah,qbh。

步骤2.2：设定权重w1＝0.7，并计算所得特征与织物特征数据库特征之间的相似度。

表1给出了本发明方法对500张图像在不同权重下的测试结果。

表1对500张织物图像的测试结果

从表1可以看出，本发明的最高检索准确率达到92.7％，说明了本发明的有效性。

虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这些仅是举例说明，本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下，可以对这些实施方式做出多种变更或修改，但这些变更和修改均落入本发明的保护范围。