CN102184250A - 基于彩色图像匹配的服装面料样品检索方法 - Google Patents

Abstract

本发明涉及一种基于彩色图像匹配的服装面料样品检索方法，采用彩色图像的色彩、灰度分布和空间位置多特征匹配的方法，将输入面料图像特征与面料数据库中的参考样品图像特征进行匹配分析，来判定在面料数据库中是否存在与输入面料相匹配的样品图像，取得检索结果。本发明降低了算法的复杂度，明显提高了面料检索的效率，也提高了面料样品和面料数据库的比对效果，使检索精度进一步得到提高。

Description

基于彩色图像匹配的服装面料样品检索方法

技术领域

本发明属纺织服装领域，特别是涉及一种基于彩色图像匹配的服装面料样品检索方法。

背景技术

纺织面料的种类越来越多，消费者可以挑选的范围越来越大，但对企业和研究机构来说，面料种类的增加对面料信息的管理是个挑战。近年来，随着计算机技术及网络媒体技术的迅猛发展，信息表现方式由普遍的文本方式逐步变为以图形、图像和视频等多媒体信息为主的表现形式。其中图像作为最广泛最基本的多媒体信息，已成为大众化数字信息的一种重要表现形式，建立面料图像数据库及检索系统可以在很大程度上解决大量面料的管理问题。

如何在面料图像数据库中管理面料和检索需要的面料样品，这个问题逐步发展成为极其重要的研究领域。传统的基于文本的面料样品检索技术，需要对样品图像进行特征描述，由于文本关键字一词多义，不同的人有不同的理解；而基于颜色值的面料样品检索技术，不能描述面料花型的空间位置信息。因此，现有技术存在描述面料样品图像不准确等缺点，检索的结果不能很好地符合用户的需求。随着大规模的面料数据库的日益完善，上述问题变得越来越突出。

总之，现有的基于关键字或颜色值的面料检索方法使面料样品匹配精度不高，查准率低，影响实际使用效果。

发明内容

本发明所要解决的技术问题是提供一种基于彩色图像匹配的服装面料样品检索方法，能够根据用户提供的面料样品图像信息，并综合其色彩信息、灰度信息和空间信息与指定的面料图像库进行匹配，从而高效的检索出满足用户需要的面料样品，提高检索准确率，方便用户使用。

本发明解决其技术问题所采用的技术方案是：提供一种基于彩色图像匹配的服装面料样品检索方法，包括下列步骤：

1)对服装面料样品图像进行颜色空间转换，提取两个色彩特征和灰度特征；

2)对输入面料样品图像的色彩和灰度进行量化；

3)对输入面料样品图像进行均匀分块、加权，提取每块色彩和灰度直方图；

4)根据每块色彩和灰度频数特征向量，提取面料图像色彩-空间特征矩阵和灰度-空间特征矩阵；

5)预先将面料图像库的特征矩阵库存储在磁盘上，然后根据输入面料样品和面料数据库中样品图像的色彩-空间特征矩阵和灰度-空间特征矩阵，提取色彩和灰度匹配相似度矩阵；

6)根据匹配相似度矩阵计算两个面料样品的匹配相似度，与阈值比较，得到检索结果。

所述的步骤(1)是将RGB颜色空间变换到L*a*b*均匀颜色空间，计算灰度特征L*和两个颜色特征即浓度C*和色调h；

C*＝[(a*)²+(b*)²]^1/2

h＝tg^-1(b*/a*).

所述的步骤(2)为分别对面料样品图像的色彩h和灰度L*进行非均匀量化，得到32种颜色和32个灰度级。

所述的步骤(3)包括：

(1)根据面料样品图像内容的均匀分布特性，均匀分为3×3块，对每块进行加权W_i；

(2)在每块中，由量化得到的32种颜色的频数定义块的色彩直方图H：

$H=\{<h[c_1],h[c_2],\&CenterDot;\&CenterDot;\&CenterDot;,h[c_k],\&CenterDot;\&CenterDot;\&CenterDot;h[c_n]>|\underset{k=1}{\overset{n}{\mathrm{\&Sigma;}}}h\left[c_k\right]=\mathrm{1,0}\&le;h\left[c_k\right]\&le;1\}$

在每块中，根据量化的32级灰度区间的像素数定义块的灰度直方图L：

$L=\{<l[g_1],l[g_2],\&CenterDot;\&CenterDot;\&CenterDot;,l[g_k],\&CenterDot;\&CenterDot;\&CenterDot;l[g_n]>|\underset{k=1}{\overset{n}{\mathrm{\&Sigma;}}}l\left[g_k\right]=\mathrm{1,0}\&le;l\left[g_k\right]\&le;1\}.$

所述的步骤(4)是根据每块的色彩、灰度直方图，确定面料样品图像的色彩-空间特征矩阵p_9×32和灰度-空间特征矩阵q_9×32分别为的二维直方图。

所述的步骤(5)是根据输入面料样品图像与面料数据库中面料参考图像的二维直方图矩阵p、q，计算色彩相似度矩阵S_H和灰度相似度矩阵S_L：

$S_H(p,q)=\underset{i=0}{\overset{N-1}{\mathrm{\&Sigma;}}}\min (H_p\left(i\right),H_q\left(i\right))\text{,}$ $\underset{i=0}{\overset{N-1}{\mathrm{\&Sigma;}}}{H}_p\left(i\right)=\underset{j=0}{\overset{N-1}{\mathrm{\&Sigma;}}}{H}_q\left(i\right)=1,$ N＝32

$S_L(p,q)=\underset{i=0}{\overset{N-1}{\mathrm{\&Sigma;}}}\min (L_p\left(i\right),L_q\left(i\right)),$ $\underset{i=0}{\overset{N-1}{\mathrm{\&Sigma;}}}{L}_p\left(i\right)=\underset{j=0}{\overset{N-1}{\mathrm{\&Sigma;}}}{L}_q\left(j\right)=1,$ N＝32.

所述的步骤(6)是预先按照服装面料样品图像每一块内容的重要程度不同设置不同权值，然后根据色彩相似度矩阵S_H和灰度相似度矩阵S_L计算输入面料样品图像Q和面料数据库中的面料样品参考图像I的相似度：

$S(Q,I)=\underset{i=1}{\overset{9}{\mathrm{\&Sigma;}}}{W}_i{S}_H(i,p_I\left(i\right))+\underset{i=1}{\overset{9}{\mathrm{\&Sigma;}}}{W}_i{S}_L(i,p_I\left(i\right)),$ $\underset{i=1}{\overset{9}{\mathrm{\&Sigma;}}}{W}_i=1$

并依据阈值a判断面料样品是否匹配，得到检索结果。

有益效果

与现有技术相比，本发明具有下列有益效果：

1)效率高：

本发明直接采用面料图像进行匹配的方法，不需要进行文本注释和色颜值转换查找的步骤；色彩-空间矩阵、灰度-空间矩阵和相似度矩阵等方法均是采用数学统计的方法，未涉及复杂的数字图像处理运算。这样，大大降低了算法的复杂度，明显提高了面料检索的效率。

2)检索精度高：

本发明采用色彩、灰度和空间分块的多特征图像匹配分析方法，能够尽最大可能地从多个不同的角度对面料样品进行比对；通过对面料样品进行分块加权，根据重要程度人为的侧重分析某些重要的、信息量大的块。这些方法提高了面料样品和面料数据库的比对效果，使检索精度进一步得到提高。

3)检索面料种类广：

本发明不断能根据色彩-空间模块检索彩色面料，而且能根据灰度-空间模块检索色彩很弱的面料或素色面料。根据本发明技术开发的面料检索系统对面料种类的适应性好，有很强的鲁棒性。

附图说明

图1是本发明的面料检索方法详细流程图；

图2是L＊a＊b＊颜色空间示意图；

图3是面料图像匹配相似度矩阵提取及匹配块的相似度提取示意图。

具体实施方式

下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。

颜色是面料样品最直观的特征，也是面料样品识别主要的感知特征之一，其不仅与面料中的花型和背景密切相关，而且对面料样品图像本身尺寸、方向和视角的依赖性较小；由同一幅面料样品图像色彩浓度发生变化后生成的面料图像与原面料图像是很相似的，由于面料图像中各像素的的色彩浓度值都发生了变化，两幅面料图像的色彩直方图差别却较大。本发明利用灰度直方图的检索可以克服由于色彩浓度值变化对面料图像检索的影响，增加了很相似的面料被检索到的概率；空间位置是面料图案识别所需要的另一关键信息，不随色彩、对比度的变化而变化，是比较稳定的信息。因此，本发明实例提供一种高效精确的面料样品检索方法，能够通过提取面料样品的颜色、灰度和空间特征，对面料块设置不同的权重，综合色彩-空间相似度和灰度-空间相似度与指定的图像特征库进行匹配，从而更准确检索出满足用户需求的图像。

本发明提供的其于彩色图像匹配的服装面料样品检索方法，包括两部分：

第一部分为色彩-空间和灰度-空间特征二维直方图的提取，包括以下方面：面料样品图像颜色空间转换、色彩和灰度量化、面料分块和加权、提取色彩和灰度直方图、建立色彩-空间和灰度-空间特征矩阵。第二部分为面料样品图像特征相似性匹配和相似样品检索，包括色彩-空间和灰度-空间相似矩阵提取、面料特征相似度的计算、阈值判断得到检索结果。

本发明方法的检索流程见附图1，现详细说明如下：

一色彩-空间和灰度-空间二维直方图的提取

1)面料样品图像颜色空间转换

CIE1976(L*、a*、b*)颜色空间在纺织印染、油漆油墨等部门有较好的应用效果。在计算机彩色控制系统上利用L*、C*、h的心理物理实验证实它也是一个很好的匀色空间，因此将服装面料从RGB颜色空间转换到L*a*b*均匀颜色空间，更有利于我们对面料样品外观特征的识别和分析。

要想把RGB颜色空间转换到L*a*b*均匀颜色空间，首先把颜色空间(R、G、B)转换为颜色三刺激值(X、Y、Z)，如(1)式

$\left[\begin{array}{c}X\\ Y\\ Z\end{array}\right]=\left[\begin{array}{ccc}0.607& 0.174& 0.200\\ 0.299& 0.587& 0.114\\ 0.000& 0.066& 1.116\end{array}\right]\left[\begin{array}{c}R\\ G\\ B\end{array}\right]---\left(1\right)$

颜色空间(L*、a*、b*)与颜色的三剌激值(X、Y、Z)之间的转换关系如(2)式

L*＝116(Y/Y_n)^1/3-16

a*＝500[(X/X_n)^1/3-(Y/Y_n)^1/3]       (2)

b*＝200[(Y/Y_n)^1/3-(Z/Z_n)^1/3]

其中(X_n、Y_n、Z_n)为CIE标准照明体(例如D₆₅或A)照射在完全反射漫射体后到达观察者眼中的三刺激值。目前常用D₆₅和10°视场，此时X_n＝94.81、Y_n＝100.00、Z_n＝107.34。

人们对颜色的判断常与心理物理量相关联，因此，变量L*、a*、b*与通常表示颜色的心理物理量色调、明度和浓度建立起确定的关系(如图2所示)，以便易于理解和应用。

在a*b*图中，任一颜色可用(3)式表示

C*＝(a²*+b²*)           (3)

h_ab＝tan^-1(b*/a*)

这里，式(2)中的L*为颜色的明度变量；式(3)中的C*为颜色的浓度变量，h为颜色的色调变量；r，g，b∈[0…255]，h∈[0…360]，C*∈[0…1]，L*∈[0…1]。

2)色彩和灰度量化

(1)色彩的量化

一幅服装面料样品图像的颜色一般很多，尤其是真彩色面料样品，因此颜色直方图向量的维数会非常多。增加颜色直方图的维数可以有效地提高检索的精度，但当维数增加到一定程度时，检索的精度提高很小而且可能下降。由于高维数直方图检索效率较差，按人的颜色感知对L*a*b*空间进行32维非均匀量化。具体量化方法如下：

对于亮度L*≤0.2颜色认为是黑色，Code32＝0；

对于饱和度C*≤0.1且亮度L*＞0.2的颜色按亮度L*划分为3种灰度，分别为：深灰[0.2，0.5]、浅灰(0.5，0.8]和白色(0.8，1]，Code32＝1，2，3；

其它颜色认为是彩色，将其划分为28种彩色，Code32＝4+4×h+2×C*+L*；

对色调h[0，360]划分为7个区间：(300，20]，(20，75]，(75，125]，(125，195]，(195，240]，(240，290]，(290，330]，h分别取值为0，1，2，3，4，5，6代表红、橙、黄、绿、青、蓝、紫。

对于亮度L*的划分为：暗色[0.2，0.5]和明色(0.5，1]，L*的取值为0，1；

对于浓度C*的划分为：淡色[0.1，0.45]和浓色(0.45，1]，C*分别取值为0，1；

(2)灰度的量化

一幅面料样品图像对比度发生变化后生成的面料图像与原面料图像仍然是很相似的，但是改变对比度的结果直接影响面料图像灰度直方图，仍会导致二幅非常相似的面料图像灰度直方图差别较大。为此，在计算灰度直方方图之前，对面料图像统一进行灰度的拉伸变换，把面料图像中的灰度区间拉伸到整个灰度区间。经过灰度拉伸后面料样品图像的对比度得到增强。

设面料图像最大灰度值为L_max、最小灰度值为L_min，对面料图像灰度进行线性变换到整个灰度空间，同时为使特征向量的维数与色彩直方图相一致，把整个灰度空间也量化为32个灰度级。变化后的灰度值的如(4)式所示：

L*＝(L_max-L_min+1)/32      (4)

3)面料分块和加权

传统的色彩直方图方法主要统计整幅面料图像色彩的信息，因此丢失了色彩的空间分布信息。而色彩的空间分布特征对于区分面料图像的内容是非常重要的。同时在一定条件下还要淡化色彩特征以解决由于色彩淡化及对比度变化造成相似面料图像不能被检索出的问题。为了获得色彩和灰度的空间分布特征，一般将面料图像平均分成3×3块。根据每块在整幅面料图像中的重要程度不同，设定不同的权值W_i，且

4)提取每个分块的色彩和灰度直方图向量

对于一幅面料样品图像，将每个像素的色彩由RGB变换到L*a*b*色彩空间，通过上述的非均匀量化方法，找到它的每个分块在色彩簿中对应的色彩，并统计出该色彩出现的频数，这样以色彩作为横坐标，纵坐标为色彩出现的频数，以此绘出的图形为色彩直方图。一幅面料图像的各个子区域的直方图之和等于该面料样品全图的直方图。这样面料图像每个分块的色彩直方图空间H可以定义为(5)式：

$H=\{<h[c_1],h[c_2],\&CenterDot;\&CenterDot;\&CenterDot;,h[c_k],\&CenterDot;\&CenterDot;\&CenterDot;h[c_n]>|\underset{k=1}{\overset{n}{\mathrm{\&Sigma;}}}h\left[c_k\right]=\mathrm{1,0}\&le;h\left[c_k\right]\&le;1\}---\left(5\right)$

其中h[c_k]表示第k种色彩的像素的频数，

对于一幅面料样品图像，将每个像素的色彩由RGB变换灰度值L*后，统计出每个分块的各个灰度出现的频数，这样以灰度作为横坐标，纵坐标为灰度出现的频数，以此绘出的图形为灰度直方图。这样面料样品图像的每个分块灰度直方图空间L可以定义为

$L=\{<l[g_1],l[g_2],\&CenterDot;\&CenterDot;\&CenterDot;,l[g_k],\&CenterDot;\&CenterDot;\&CenterDot;l[g_n]>|\underset{k=1}{\overset{n}{\mathrm{\&Sigma;}}}l\left[g_k\right]=\mathrm{1,0}\&le;l\left[g_k\right]\&le;1\}---\left(6\right)$

其中l[g_k]表示第k种灰度的像素的频数，

5)建立色彩-空间和灰度-空间特征矩阵

任一幅面料图像都能唯一地给出一幅与它对应的直方图，但不同的面料样品，可能有相同的直方图，也就是直方图与面料样品是一对多的关系。由于直方图只包含了该面料样品图像中某一色彩或灰度值出现的频数，而丢失了某像素所在的位置信息，而面料样品图像的空间内容对于区分面料样品是非常重要的。因此，结合上述的分块和色彩、灰度直方图向量，建立色彩-空间和灰度-空间特征矩阵，综合多个特征来计算匹配相似度矩阵(如附图3所示)。

根据每块的色彩、灰度直方图，确定面料样品图像的色彩-空间特征矩阵p_9×32和灰度-空间特征矩阵q_9×32分别为的二维直方图矩阵；

以上步骤既是服装面料样品建立色彩-空间和灰度-空间特征矩阵数据库的过程，也是输入面料样品特征矩阵的提取过程。

二面料样品图像特征相似性匹配和相似样品检索

1)色彩-空间和灰度-空间相似度矩阵提取

如本发明附图3所示的那样，设p为待检索的输入面料图像的二维直方图特征矩阵，q为面料数据库中任一面料样品图像的二维直方图特征矩阵，根据直方图相交的相似度计算方法，任意两个二维色彩-空间特征矩阵的相似度S_H(p，q)为：

$S_H(p,q)=\underset{i=0}{\overset{N-1}{\mathrm{\&Sigma;}}}\min (H_p\left(i\right),H_q\left(i\right))\text{,}$ $\underset{i=0}{\overset{N-1}{\mathrm{\&Sigma;}}}{H}_p\left(i\right)=\underset{j=0}{\overset{N-1}{\mathrm{\&Sigma;}}}{H}_q\left(i\right)=1,$ N＝32    (7)

同样，可以得到任意两个二维的灰度-空间特征矩阵的相似度S_L(p，q)为：

$S_L(p,q)=\underset{i=0}{\overset{N-1}{\mathrm{\&Sigma;}}}\min (L_p\left(i\right),L_q\left(i\right)),$ $\underset{i=0}{\overset{N-1}{\mathrm{\&Sigma;}}}{L}_p\left(i\right)=\underset{j=0}{\overset{N-1}{\mathrm{\&Sigma;}}}{L}_q\left(j\right)=1,$ N＝32    (8)

2)面料特征相似度的计算

待查询的输入面料样品Q与数据库中参考面料样品I间内容的相似度，可以根据它们的二维色彩-空间相似度矩阵和灰度-空间相似度矩阵计算得到，如下式

$S(Q,I)=\underset{i=1}{\overset{9}{\mathrm{\&Sigma;}}}{W}_i{S}_H(i,p_I\left(i\right))+\underset{i=1}{\overset{9}{\mathrm{\&Sigma;}}}{W}_i{S}_L(i,p_I\left(i\right)),$ $\underset{i=1}{\overset{9}{\mathrm{\&Sigma;}}}{W}_i=1---\left(9\right)$

其中i是分的块数，p_I(i)表示I中相应Q中在一定的空间约束条件下第i块最为相似的子块号。W_i为输入面料样品图像第i子块的权重。

为了使面料库中相似面料样品图像在旋转或镜面反射后不受影响，根据(9)式采用以下算法计算相似度S(Q，I)：

(1)令S(Q，I)＝0，建立相似度矩阵S_mn＝[S_ij]_m×n，m＝9，n＝9；

(2)在相似度矩阵S_nm寻找最大元素S_ij，则p_I(i)＝j，S(Q，I)+＝W_iS_ij；

(3)去掉矩阵的第i行，第j列。如果矩阵的行数或列数为0，则停止并返回相似度S(Q，I)；否则转到第(2)步继续执行。

3)阈值判断得到检索结果

设匹配相似度阈值为a，如果S＞a时，认为此面料库样品图像为检索得到的样品图像，将其输出；如果S＜a时，继续查询面料库中的下一幅面料样品图像。直到面料库查询比对结束，所有输出的面料样品就是根据输入面料检索得到的面料样品。

Claims (7)

1.一种基于彩色图像匹配的服装面料样品检索方法，其特征在于：包括下列步骤：

1)对服装面料样品图像进行颜色空间转换，提取两个色彩特征和灰度特征；

2)对输入面料样品图像的色彩和灰度进行量化；

3)对输入面料样品图像进行均匀分块、加权，提取每块色彩和灰度直方图；

4)根据每块色彩和灰度频数特征向量，提取面料图像色彩-空间特征矩阵和灰度-空间特征矩阵；

5)预先将面料图像库的特征矩阵库存储在磁盘上，然后根据输入面料样品和面料数据库中样品图像的色彩-空间特征矩阵和灰度-空间特征矩阵，提取色彩和灰度匹配相似度矩阵；

6)根据匹配相似度矩阵计算两个面料样品的匹配相似度，与阈值比较，得到检索结果。

2.根据权利要求1所述的一种基于彩色图像匹配的服装面料样品检索方法，其特征在于：所述的步骤(1)是将RGB颜色空间变换到L*a*b*均匀颜色空间，计算灰度特征L*和两个颜色特征即浓度C*和色调h；

C*＝[(a*)²+(b*)²]^1/2

h＝tg^-1(b*/a*)。

3.根据权利要求1所述的一种基于彩色图像匹配的服装面料样品检索方法，其特征在于：所述的步骤(2)为分别对面料样品图像的色彩h和灰度L*进行非均匀量化，得到32种颜色和32个灰度级。

4.根据权利要求1所述的一种基于彩色图像匹配的服装面料样品检索方法，其特征在于：所述的步骤(3)包括：

(1)根据面料样品图像内容的均匀分布特性，均匀分为3×3块，对每块进行加权W_i；

(2)在每块中，由量化得到的32种颜色的频数定义块的色彩直方图H：

H＝{＜h[c₁]，h[c₂]，…，h[c_k]，…h[c_n]＞}

在每块中，根据量化的32级灰度区间的像素数定义块的灰度直方图L：

L＝{＜l[g₁]，l[g₂]，…，l[g_k]，…l[g_n]＞}.

5.根据权利要求1所述的一种基于彩色图像匹配的服装面料样品检索方法，其特征在于：所述的步骤(4)是根据每块的色彩、灰度直方图，确定面料样品图像的色彩-空间特征矩阵p_9×32和灰度-空间特征矩阵q_9×32分别为的二维直方图。

6.根据权利要求1所述的一种基于彩色图像匹配的服装面料样品检索方法，其特征在于：所述的步骤(5)是根据输入面料样品图像与面料数据库中面料参考图像的二维直方图矩阵p、q，计算色彩相似度矩阵S_H和灰度相似度矩阵S_L：

$S_H(p,q)=\underset{i=0}{\overset{N-1}{\mathrm{\&Sigma;}}}\min (H_p\left(i\right),H_q\left(i\right))$

$S_L(p,q)=\underset{i=0}{\overset{N-1}{\mathrm{\&Sigma;}}}\min (L_p\left(i\right),L_q\left(i\right)),$

7.根据权利要求1所述的一种基于彩色图像匹配的服装面料样品检索方法，其特征在于：所述的步骤(6)是预先按照服装面料样品图像每一块内容的重要程度不同设置不同权值，然后根据色彩相似度矩阵S_H和灰度相似度矩阵S_L计算输入面料样品图像Q和面料数据库中的面料样品参考图像I的相似度：

$S(Q,I)=\underset{i=1}{\overset{9}{\mathrm{\&Sigma;}}}{W}_i{S}_H(i,p_I\left(i\right))+\underset{i=1}{\overset{9}{\mathrm{\&Sigma;}}}{W}_i{S}_L(i,p_I\left(i\right))$

并依据阈值a判断面料样品是否匹配，得到检索结果。

Images