摘 要：在網(wǎng)頁(yè)中的服裝圖像難免會(huì)有褶皺，而褶皺所構(gòu)成的紋理不是提取所需的紋理，因此提取的紋理特征并不能很好的對(duì)服裝圖像進(jìn)行表述；同時(shí)基本的LBP算法提取的紋理特征太過(guò)于細(xì)微，款式的紋理與構(gòu)造，都是一些比較低頻的粗糙紋理，這兩種現(xiàn)象的存在極大地影響了檢索算法的準(zhǔn)確性，為了提高紋理特征在服裝圖像檢索中的準(zhǔn)確性，文章提出了一種通過(guò)Gabor小波去除褶皺和改進(jìn)的LBP紋理特征提取以提高服裝圖像檢索精度的算法。實(shí)驗(yàn)表明，改進(jìn)后的算法比已有的算法有更好的檢索效果。

關(guān)鍵詞：服裝圖像檢索；紋理特征；Gabor小波；LBP

中圖分類號(hào)：TP391.41 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1006-8937（2014）33-0051-02

電子商務(wù)消費(fèi)者在購(gòu)買服裝師更關(guān)心的是服裝的款式，款式所構(gòu)成的紋理是基于圖像內(nèi)容檢索方法要提取的主要特征，但電子商務(wù)網(wǎng)頁(yè)中的服裝圖像難免會(huì)有褶皺，而褶皺所形成的紋理又是不需要提取的紋理特征，同時(shí)基本的LBP算法提取的紋理過(guò)于細(xì)微。為了提高人們的搜索體驗(yàn)與圖像檢索的準(zhǔn)確性，本文首先使用Gabor小波去除服裝圖像中由于褶皺所形成的紋理，再改進(jìn)的LBP算法的提取紋理特征，實(shí)驗(yàn)表明本文的方法具有較好的檢索性能。

1 利用Gabor小波消除褶皺

在網(wǎng)頁(yè)中的服裝圖像難免會(huì)有褶皺，而褶皺所構(gòu)成的紋理又不是提取所需的紋理，因此去除褶皺所引起的紋理就顯得非常有必要。本文首先利用Gabor小波對(duì)服裝圖像進(jìn)行小波變換，提取小波系數(shù)，使用高斯低通濾波器對(duì)系數(shù)進(jìn)行低通濾波，再利用Gabor小波逆變換還原服裝圖像，從而除去褶皺所引起的不必要紋理。

Gabor小波可以看作母小波是Gabor函數(shù)的小波變換。一般用f（i，j）表示大小為M×N的圖像，這幅圖像的2維離散Gabor小波變換可以表示為：

3 實(shí)驗(yàn)步驟

查準(zhǔn)率具體步驟為：從圖像庫(kù)中每一類圖像中隨機(jī)抽取10幅圖像，并對(duì)每張圖像進(jìn)行查詢，然后分別求出每類圖像的平均查準(zhǔn)率?；綥BP算法見(jiàn)表1，基本的LBP算法與Gabor消去褶皺，改進(jìn)的LBP算法與Gabor消去褶皺這3種算法分別對(duì)長(zhǎng)袖襯衫，長(zhǎng)袖T恤，Polo衫，短袖襯衫和短袖T恤的平均查準(zhǔn)率。

從表中可以看出本文的檢索方法比基本的LBP算法，基本LBP算法與Gabor結(jié)合的算法有更好的檢索效果。

4 結(jié) 語(yǔ)

電子商務(wù)消費(fèi)者在購(gòu)買服裝師更關(guān)心的是服裝的款式，款式所構(gòu)成的紋理是基于圖像內(nèi)容檢索方法要提取的主要特征，在網(wǎng)頁(yè)中的服裝圖像難免會(huì)有褶皺，而褶皺所構(gòu)成的紋理不是提取所需的紋理，因此提取的紋理特征并不能很好的對(duì)服裝圖像進(jìn)行表述；同時(shí)基本的LBP算法提取的紋理特征太過(guò)于細(xì)微，款式的紋理與構(gòu)造，都是一些比較低頻的粗糙紋理，這兩種現(xiàn)象的存在極大地影響了檢索算法的準(zhǔn)確性，為了提高紋理特征在服裝圖像檢索中的準(zhǔn)確性，本文首先提出了使用Gabor小波去除服裝圖像中的褶皺，從而突出服裝圖像款式的主要紋理；再使用改進(jìn)的LBP算法提取紋理特征，可以很好的檢索出低頻的信息，即服裝的款式，在此基礎(chǔ)上進(jìn)行圖像檢索，實(shí)驗(yàn)表明本文提出的改進(jìn)LBP方法具有較好的檢索性能。

參考文獻(xiàn)：

[1] 李亞標(biāo)，王寶光，李溫溫.基于小波變換的圖像紋理特征提取方法及其應(yīng)用[J].傳感技術(shù)學(xué)報(bào)，2009，（9）.

[2] T.S.Lee.Image representation using 2D Gabor wavelets[J].Pattern Ana-

lysis and Machine Intelligence，1996，（10）.

[3] 岡薩雷斯.數(shù)字圖像處理[M].北京：電子工業(yè)出版社，2013.