CN104778458B - 一种基于纹理特征的纺织品花纹检索方法 - Google Patents

Abstract

本发明公开了一种基于纹理特征的纺织品花纹检索方法，包括：1)对花纹图片进行缩放；2)对图片进行边缘检测，根据边缘像素点总数和分布的数理统计特性，得到图像的全局纹理特征；3)将整幅图像划分为16×16的分块，统计每个分块内的边缘像素点个数，选取边缘像素点个数最多的10个分块，根据其中边缘像素点分布的空间位置特性，得到每个分块的局部纹理特征；4)结合图像的全局和局部纹理特征值，将待匹配图案的纹理特征值与数据库内的图案逐一对比，得到匹配度最高的图案，作为检索结果。在检索纺织品花纹时，本发明能够精确地检索相似的纺织品花纹，并且计算量小，检测速度快，适用面广，可以满足实际应用的需求。

Description

一种基于纹理特征的纺织品花纹检索方法

技术领域

本发明属于图像处理分析技术领域，具体涉及一种基于纹理特征的纺织品花纹检索方法。

背景技术

随着科技和社会的不断进步发展，人们对服装的追求也在不断提高。纺织品是常用服装的重要组成部分，其款式不断翻新，新品种层出不穷，花纹图案变化万千。许多纺织企业有数千个花纹到上万花纹，而且每天可以有上千个新花纹问世。随着纺织品生产企业的电子商务的开展以及纺织品生产、设计的自动化程度的提高，传统的样品检索的方式效率低下，消耗大量人力物力，己不能满足需求。计算机技术的发展提高了各行业工作效率，在纺织行业，计算机在相关的设计、控制和检测环节也扮演着越来越重要的角色。结合计算机图像检索技术，建立快速高效的纺织品花纹自动检索系统，已成为行业发展的新趋势。

图像检索是从图像数据库中找出与检索内容相似的图像的的技术，它涉及到多个领域的综合性课题，是对图像处理与分析、计算机视觉技术、数据库技术、建模与索引技术、模式识别等各个方面成果的融合，已经形成了一些经典的算法。目前比较成熟的方法主要分为两类：基于灰度的匹配方法和基于特征的匹配方法。如公开号为CN103617420的中国专利公开了一种基于图像特征匹配的商品识别检索方法，该对获取的商品图像进行颜色、形状低层特征的提取，并将当前待识别商品的颜色、形状低层特征进行编码后，在数据库中进行检索与粗匹配，以排减数据库中的商品；利用局部不变性特征对商品信息库中排减剩余商品进行准确匹配识别。

现有的图像检索方法虽然取得了一定的效果，形成了一些比较成熟的模型，但在纺织品相关的行业中，应用还不多。特别是在花纹检索领域，自动化程度还有待提高。

发明内容

针对现有技术所存在的上述技术问题，本发明提供了一种基于纹理特征的纺织品花纹检索方法，能够精确地检索相似的纺织品花纹，计算量小，检测速度快，适用面广，可以满足实际应用的需求。

一种基于纹理特征的纺织品花纹检索方法，包括如下步骤：

(1)对待检索纺织品的花纹图案进行缩放，得到分辨率为256×256的花纹图案；

(2)缩放后的花纹图案进行边缘检测，根据边缘像素点总数及其分布的数理统计特性，计算得到花纹图案的全局纹理特征值；

(3)将缩放后的花纹图案划分为多个大小为16×16的分块，统计每个分块内的边缘像素点个数；选取边缘像素点个数最多的10个分块，根据其中边缘像素点分布的空间位置特性，计算得到每个分块的局部纹理特征值；

(4)根据所述的全局纹理特征值和局部纹理特征值，使待检索纺织品的花纹图案与数据库内的花纹图案逐一对比，计算出相互之间的纹理差异量化值，并以纹理差异量化值最小的若干花纹图案作为检索结果。

所述的步骤(1)中，当缩小花纹图案时采用根据比例丢弃像素点的方法，当放大花纹图案时采用双线性差值法。

所述的步骤(2)中，采用Sobel算子对缩放后的花纹图案进行边缘检测。

所述的步骤(2)中计算花纹图案全局纹理特征值的具体过程如下：

2.1将缩放后的花纹图案划分为16个大小为64×64的区域；

2.2根据以下算式计算花纹图案的数理统计特性D：

其中：E_i为花纹图案中第i个区域内的边缘像素点个数，E_avg为所有区域内边缘像素点个数的平均值；

2.3根据以下算式计算花纹图案的全局纹理特征值：

C_global＝w₁×E_total+w₂×D

其中：C_global为花纹图案的全局纹理特征值，E_total为花纹图案的边缘像素点总数，w₁和w₂均为给定的权重值。

所述的步骤(3)中计算每个分块局部纹理特征值的过程为：对于选取出的任一分块，以分块左上角像素点为原点，以像素为单位，则该分块内任一边缘像素点水平方向和垂直方向的坐标分别为x_i和y_i，根据以下算式计算该分块的局部纹理特征值：

其中：C_local为分块的局部纹理特征值，x_avg和y_avg分别分块内所有边缘像素点水平方向和垂直方向的坐标平均值。

所述的步骤(4)中根据以下算式计算待检索纺织品的花纹图案与数据库内任一花纹图案之间的纹理差异量化值：

其中：ΔC_global为待检索纺织品的花纹图案全局纹理特征值与数据库内任一花纹图案全局纹理特征值的差值，ΔC_local(j)为待检索纺织品的花纹图案第j个局部纹理特征值与数据库内任一花纹图案第j个局部纹理特征值的差值，w₃和w₄均为给定的权重值。

本发明方法的有益效果包括以下几点：

(1)不需要人工参与检索的过程，自动化程度高。

(2)检索结果准确度高，速度快，满足实时应用需求。

(3)对各种不同的纺织品花纹，都能较为准确地进行分类，具有较好的普适性。

附图说明

图1为分块内边缘像素点的坐标示意图。

具体实施方式

为了更为具体地描述本发明，下面结合附图及具体实施方式对本发明的技术方案进行详细说明。

本发明基于纹理特征的纺织品花纹检索方法，包括以下步骤：

(1)对花纹图片进行缩放，得到分辨率为256×256的图片。

花纹图片的分辨率存在差异，导致花纹的大小不统一，会对检索的结果造成影响。因此，需要先将花纹图片缩放为相同的大小。在缩小图片时，本实施方式采用根据比例丢弃像素点的方法。在放大图片时，本实施方式采用双线性差值法，从水平和垂直两个方向分别进行一次线性插值，根据4个已有的像素点得到新的插值像素点，如下式所示：

其中，p_(x1,y1)、p_(x2,y1)、p_(x1,y2)、p_(x2,y2)为图片中已有的像素点，p_(x,y)为插值得到的坐标为(x,y)的像素点。

(2)对图片进行边缘检测，根据边缘像素点总数及其分布的数理统计特性，计算图像的全局纹理特征值。

纺织品花纹图案的特征主要包括花纹的大小、位置、形状等信息。在数字图像中，边缘轮廓是构成图案的形状主要物理量，体现了灰度的突变，纹理的疏密，颜色的差异等。而边缘像素点作为构成轮廓的基础要素，可以体现图像的空间形态特征。因此，本实施方式利用边缘像素点的数量和分布计算图像的全局纹理特征值。

在本实施方式中，首先用Sobel算子对领带花纹图案进行边缘检测，获取花纹的边缘像素点。Sobel算子是图像处理中常用的边缘检测工具，分为水平方向和垂直方向两种，如下式所示：

边缘像素点的个数直接反映了花纹图案的复杂程度，而它们的分布，体现了花纹图案在整幅图像中的位置。本实施方式将整幅图像划分为16个64×64的区域，统计所有边缘像素点在这些区域内的分布情况，其数理统计特性D计算方法为：

上式中，E_i为第i个区域内边缘像素点的个数，E_avg为所有区域边缘像素点个数的均值。然后，结合边缘像素点总数，计算全局纹理特征值C_global：

C_global＝w₁×E_total+w₂×D

其中，E_total为边缘像素点个数，D为边缘像素点分布的数理统计特性，w_i为权重值。

(3)根据边缘像素点分布的空间位置特性，计算图像的局部纹理特征值。

花纹图案在整幅图像中的分布是不均匀的，因此边缘像素点一般集中在花纹比较复杂的区域。而这些区域内的边缘像素点的空间位置构成，体现的花纹图案的形状。本实施方式在边缘像素点较为密集的区域内，通过分析它的空间位置特性，计算图像的局部纹理特征值。

首先，将整幅图像划分为16×16的分块，选出包含边缘像素点最多的10个分块，作为纹理密集区域。在每个分块内，以左上角像素点p₀为原点，以像素为单位，得到其中某个边缘像素点p_i的水平方向坐标x_i和垂直方向坐标y_i，如图1所示。然后，根据坐标得到每个边缘像素点的空间矢量，分析其分布特性，计算每个分块的局部纹理特征C_local：

其中，x_avg和y_avg分别为x_i和y_i的均值。

(4)结合图像的全局和局部纹理特征值，将待匹配图案的纹理特征值与数据库内的图案逐一对比，得到匹配度最高的图案，作为检索结果。

分别计算待匹配图像与数据库内所有图像的全局和局部特征值，逐一对比，计算它们的纹理差异量化值C_diff，得到匹配度最高的图案，作为检索结果：

其中，△C_global为待匹配图案和数据库内对比图案之间全局图像纹理特征值的差值，△C_local(i)为待匹配图案和数据库内对比图案内边缘像素点最多的10个分块之间局部纹理特征值的差值，w_i为权重值，C_diff越小，代表相似度越高。

以下我们选取60种常见的纺织品花纹图案作为测试数据库，验证本发明方法的可用性。实验选用的参数为：w₁＝0.7，w₂＝0.3，w₃＝0.4，w₄＝0.6，实验结果如表1所示，准确率与候选结果个数有关，候选结果个数越多，检测准确率越高。从整体效果来看，本发明准确率较高，具有一定的实际应用价值。

表1

检索结果候选个数	检索结果准确率	检索结果候选个数
			1	76.7％	1
2	85％	2
			3	88.3％	3
4	96.7％	4

上述的对实施例的描述是为便于本技术领域的普通技术人员能理解和应用本发明。熟悉本领域技术的人员显然可以容易地对上述实施例做出各种修改，并把在此说明的一般原理应用到其他实施例中而不必经过创造性的劳动。因此，本发明不限于上述实施例，本领域技术人员根据本发明的揭示，对于本发明做出的改进和修改都应该在本发明的保护范围之内。

Claims (5)

1.一种基于纹理特征的纺织品花纹检索方法，包括如下步骤：

(1)对待检索纺织品的花纹图案进行缩放，得到分辨率为256×256的花纹图案；

(2)缩放后的花纹图案进行边缘检测，根据边缘像素点总数及其分布的数理统计特性，计算得到花纹图案的全局纹理特征值，具体过程如下：

2.1将缩放后的花纹图案划分为16个大小为64×64的区域；

2.2根据以下算式计算花纹图案的数理统计特性D：

<mrow> <mi>D</mi> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mn>16</mn> </munderover> <msup> <mrow> <mo>(</mo> <msub> <mi>E</mi> <mi>i</mi> </msub> <mo>-</mo> <msub> <mi>E</mi> <mrow> <mi>a</mi> <mi>v</mi> <mi>g</mi> </mrow> </msub> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow>

其中：E_i为花纹图案中第i个区域内的边缘像素点个数，E_avg为所有区域内边缘像素点个数的平均值；

2.3根据以下算式计算花纹图案的全局纹理特征值：

C_global＝w₁×E_total+w₂×D

其中：C_global为花纹图案的全局纹理特征值，E_total为花纹图案的边缘像素点总数，w₁和w₂均为给定的权重值；

(3)将缩放后的花纹图案划分为多个大小为16×16的分块，统计每个分块内的边缘像素点个数；选取边缘像素点个数最多的10个分块，根据其中边缘像素点分布的空间位置特性，计算得到每个分块的局部纹理特征值；

(4)根据所述的全局纹理特征值和局部纹理特征值，使待检索纺织品的花纹图案与数据库内的花纹图案逐一对比，计算出相互之间的纹理差异量化值，并以纹理差异量化值最小的若干花纹图案作为检索结果。

2.根据权利要求1所述的纺织品花纹检索方法，其特征在于：所述的步骤(1)中，当缩小花纹图案时采用根据比例丢弃像素点的方法，当放大花纹图案时采用双线性差值法。

3.根据权利要求1所述的纺织品花纹检索方法，其特征在于：所述的步骤(2)中，采用Sobel算子对缩放后的花纹图案进行边缘检测。

4.根据权利要求1所述的纺织品花纹检索方法，其特征在于：所述的步骤(3)中计算每个分块局部纹理特征值的过程为：对于选取出的任一分块，以分块左上角像素点为原点，以像素为单位，则该分块内任一边缘像素点水平方向和垂直方向的坐标分别为x_i和y_i，根据以下算式计算该分块的局部纹理特征值：

其中：C_local为分块的局部纹理特征值，x_avg和y_avg分别分块内所有边缘像素点水平方向和垂直方向的坐标平均值。

5.根据权利要求1所述的纺织品花纹检索方法，其特征在于：所述的步骤(4)中根据以下算式计算待检索纺织品的花纹图案与数据库内任一花纹图案之间的纹理差异量化值：

<mrow> <msub> <mi>C</mi> <mrow> <mi>d</mi> <mi>i</mi> <mi>f</mi> <mi>f</mi> </mrow> </msub> <mo>=</mo> <msub> <mi>w</mi> <mn>3</mn> </msub> <mo>&amp;times;</mo> <msub> <mi>&amp;Delta;C</mi> <mrow> <mi>g</mi> <mi>l</mi> <mi>o</mi> <mi>b</mi> <mi>a</mi> <mi>l</mi> </mrow> </msub> <mo>+</mo> <msub> <mi>w</mi> <mn>4</mn> </msub> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mn>10</mn> </munderover> <msub> <mi>&amp;Delta;C</mi> <mrow> <mi>l</mi> <mi>o</mi> <mi>c</mi> <mi>a</mi> <mi>l</mi> <mrow> <mo>(</mo> <mi>j</mi> <mo>)</mo> </mrow> </mrow> </msub> </mrow>

其中：ΔC_global为待检索纺织品的花纹图案全局纹理特征值与数据库内任一花纹图案全局纹理特征值的差值，ΔC_local(j)为待检索纺织品的花纹图案第j个局部纹理特征值与数据库内任一花纹图案第j个局部纹理特征值的差值，w₃和w₄均为给定的权重值。