林翔宇，張華熊

(浙江理工大學(xué)信息學(xué)院，浙江 杭州 310018)

基于圖像邊緣特征的領(lǐng)帶花型檢索方法

林翔宇，張華熊

(浙江理工大學(xué)信息學(xué)院，浙江 杭州 310018)

為了提高領(lǐng)帶花型檢索的速度和準(zhǔn)確度，提出了一種基于圖像邊緣特征的檢索方法。首先，對(duì)圖案進(jìn)行邊緣檢測(cè)，提取領(lǐng)帶花型的輪廓，量化為邊緣特征值;然后，分析邊緣特征值分布的數(shù)理統(tǒng)計(jì)特性，將花型分為條紋、多邊形和復(fù)雜圖案3個(gè)大類(lèi);最后，將待檢索花型與數(shù)據(jù)庫(kù)內(nèi)同類(lèi)花型進(jìn)行匹配，選取最相似的花型圖案。結(jié)果表明，基于圖像邊緣特征的檢索方法能夠精確地檢索相似的領(lǐng)帶花型，并且計(jì)算量小，檢測(cè)速度快，可滿(mǎn)足實(shí)際應(yīng)用的需求。

領(lǐng)帶花型;圖像檢索;邊緣特征;特征匹配

領(lǐng)帶作為服裝的重要組成部分，款式不斷翻新，新品種層出不窮，花型圖案變化萬(wàn)千。許多領(lǐng)帶企業(yè)擁有數(shù)千個(gè)花型到上萬(wàn)花型，而且每天可以有上千個(gè)新花型問(wèn)世。隨著領(lǐng)帶生產(chǎn)企業(yè)電子商務(wù)的開(kāi)展以及領(lǐng)帶生產(chǎn)、設(shè)計(jì)自動(dòng)化程度的提高，傳統(tǒng)樣品檢索的方式己不能滿(mǎn)足需求。計(jì)算機(jī)技術(shù)的發(fā)展提高了各行業(yè)的工作效率，在紡織行業(yè)，計(jì)算機(jī)在相關(guān)的設(shè)計(jì)、控制和檢測(cè)環(huán)節(jié)也扮演著越來(lái)越重要的角色［1－3］。結(jié)合計(jì)算機(jī)圖像檢索技術(shù)，建立快速高效的領(lǐng)帶花型自動(dòng)檢索系統(tǒng)已成為行業(yè)發(fā)展的新趨勢(shì)。

圖像檢索是從圖像數(shù)據(jù)庫(kù)中找出與檢索內(nèi)容相似的圖像的技術(shù)，它涉及到多個(gè)領(lǐng)域的綜合性課題，是對(duì)圖像處理與分析、計(jì)算機(jī)視覺(jué)技術(shù)、數(shù)據(jù)庫(kù)技術(shù)、建模與索引技術(shù)、模式識(shí)別等各個(gè)方面成果的融合，已經(jīng)形成了一些經(jīng)典的算法［4－6］。目前比較成熟的方法主要分為2類(lèi):基于灰度的匹配方法和基于特征的匹配方法［7－8］。

領(lǐng)帶花型的材質(zhì)與周邊面料有明顯的區(qū)別，輪廓非常清晰，因此，可以將花型的邊緣作為特征進(jìn)行圖案匹配。本文提出一種基于圖像邊緣特征的檢索方法，不僅能夠精確地檢索相似的領(lǐng)帶花型，并且計(jì)算量小，檢索速度快，可滿(mǎn)足實(shí)際應(yīng)用的需求。檢索方法分為3步:首先，對(duì)圖案進(jìn)行邊緣檢測(cè)，提取領(lǐng)帶花型的輪廓，量化為邊緣特征值;然后，通過(guò)分析邊緣特征值分布的數(shù)理統(tǒng)計(jì)特性，將花型分為條紋、多邊形、復(fù)雜圖案等幾個(gè)大類(lèi);最后，將待檢索花型與數(shù)據(jù)庫(kù)內(nèi)同類(lèi)花型進(jìn)行匹配，選取最相似的花型圖案。

1 邊緣檢測(cè)

圖像的邊緣是圖案與圖案、前景與背景交界的區(qū)域，是變化最顯著的部分，體現(xiàn)了圖像局部的不連續(xù)性，如灰度的突變，紋理的區(qū)別，顏色的差異等。邊緣輪廓是最重要的一種圖像不變特征值，具有很強(qiáng)的抗噪性，經(jīng)常被用來(lái)進(jìn)行特征匹配［9］。在本文方法中，用Sobel算子對(duì)領(lǐng)帶花型圖案進(jìn)行邊緣檢測(cè)，獲取花型的邊緣像素點(diǎn)。

Sobel算子是圖像處理中常用的邊緣檢測(cè)工具，分為水平方向Sh和垂直方向Sv2種，如式(1)所示:

方法在CIE YUV色彩空間下對(duì)領(lǐng)帶花型圖像進(jìn)行匹配。首先用Sobel算子對(duì)整幅領(lǐng)帶圖像進(jìn)行卷積，提取圖像邊緣像素點(diǎn)，分別計(jì)算每個(gè)像素點(diǎn)的水平和垂直方向的梯度(Gh，Gv)，在此基礎(chǔ)上計(jì)算每個(gè)像素點(diǎn)的梯度方向 θ(i，j)，如式(2)所示:

式中，Y(i，j)為坐標(biāo)為(i，j)的像素點(diǎn)亮度值。

對(duì)于每個(gè)邊緣像素點(diǎn)，它的梯度方向體現(xiàn)了該像素點(diǎn)組成的圖案的形狀信息，因此，可以通過(guò)計(jì)算邊緣像素點(diǎn)的梯度方向θ(i，j)以量化它的邊緣特征，如式(3)所示。

在得到花型邊緣像素點(diǎn)的梯度方向后，如圖1所示，將［0，360°)劃分為4種不同的方向，如不同的顏色所示，據(jù)此將梯度方向θ(i，j)分為4類(lèi)，如式(4)所示。

圖1 梯度方向分類(lèi)Fig.1 Classification of gradient direction

2 花型分類(lèi)

傳統(tǒng)的花型匹配方法通過(guò)遍歷數(shù)據(jù)庫(kù)中所有的樣本，得到1個(gè)或多個(gè)相似的花型。這類(lèi)方法計(jì)算復(fù)雜度較高，存在大量的冗余計(jì)算量。通過(guò)分析花型數(shù)據(jù)庫(kù)發(fā)現(xiàn)，常見(jiàn)的領(lǐng)帶花型可以分為條紋、多邊形和復(fù)雜花型等，如圖2所示。同一條直線(xiàn)上的像素點(diǎn)都有相同的梯度方向;多邊形和圓形也有著固定的梯度方向分布;而一些無(wú)規(guī)則的復(fù)雜圖案的梯度分布各不相同，如圖3中箭頭所示。本文方法分析梯度值分布的數(shù)理統(tǒng)計(jì)特性，預(yù)先對(duì)花型進(jìn)行分類(lèi)，在此基礎(chǔ)上，在待檢索花型所屬的類(lèi)型內(nèi)部進(jìn)行花型匹配，以減少計(jì)算量。

圖2 常見(jiàn)領(lǐng)帶花型Fig.2 Typical necktie types

表1示出3種典型的領(lǐng)帶花型梯度值分布統(tǒng)計(jì)結(jié)果。通過(guò)分析發(fā)現(xiàn)，條紋花型的梯度值為方向相反的2種，都落在圖1中同一梯度方向的區(qū)間內(nèi)。以四邊形為例，多邊形花型的梯度值種類(lèi)與邊的個(gè)數(shù)相關(guān)，而且每一類(lèi)的梯度方向都基本相同。從數(shù)理統(tǒng)計(jì)的角度分析，落在圖1中每個(gè)區(qū)間內(nèi)樣本的方差非常小，而對(duì)于復(fù)雜花型的梯度分布，并沒(méi)有顯著的規(guī)律。

圖3 梯度方向分布Fig.3 Distribution of gradient.(a)Stripe;(b)Polygon;(c)Complex pattern

表1 梯度分布統(tǒng)計(jì)結(jié)果Tab.1 Statistics of gradient distribution

本文介紹的方法通過(guò)分析所有邊緣像素點(diǎn)的梯度方向種類(lèi)和方差，進(jìn)行花型的分類(lèi)，如式(5)所示。

式中:kθ為梯度方向種類(lèi);σ為平均梯度方差;T為花型類(lèi)型;1代表?xiàng)l紋;2代表多邊形;3代表復(fù)雜圖案。為了消除個(gè)別噪點(diǎn)對(duì)花型分類(lèi)的影響，在統(tǒng)計(jì)梯度方向kθ時(shí)，只有當(dāng)該方向區(qū)間內(nèi)邊緣像素點(diǎn)數(shù)量超過(guò)總數(shù)10%時(shí)，才將其作為一個(gè)梯度方向，否則將其作為個(gè)別噪點(diǎn)的方向。

3 花型匹配

在得到花型的分類(lèi)后，在該花型所屬的數(shù)據(jù)集內(nèi)部進(jìn)行花型匹配。圖像匹配主要可分為以灰度為基礎(chǔ)的匹配和以特征為基礎(chǔ)的匹配。前者是基于像素的，計(jì)算量相當(dāng)大，不利于實(shí)際使用。特征匹配法選取圖像中最顯著的特征，利用較小的信息量，尋找最匹配的圖像，具有較好的實(shí)時(shí)性和魯棒性，是目前圖像匹配的主要研究方向。本文方法根據(jù)不同的花型選用最具代表性的特征值進(jìn)行圖像匹配。

3.1 條紋花型匹配

對(duì)于條紋花型，其最顯著的特征為條紋的間距和條紋的顏色，本文方法用這2種特征值進(jìn)行花型匹配。

首先以像素為單位計(jì)算平行條紋邊緣像素點(diǎn)之間的距離Ln，n為條紋的數(shù)量，在此基礎(chǔ)上得到Ln的均值LA和方差σL。

然后計(jì)算條紋的色度分量U和V的均值UA和VA，以及它們的方差 σU、σV。

最后，計(jì)算待匹配圖案和數(shù)據(jù)庫(kù)內(nèi)參考圖案之間上述特征值差值的絕對(duì)值:△LA、△σL、△UA、△VA、△σU和△σV，并以此來(lái)計(jì)算2個(gè)花型間的差異D，如式(6)所示。

式中:wi為權(quán)重值;將D與閾值T1比較，當(dāng)D小于T1時(shí)，認(rèn)為這2種花型是相似花型。

3.2 多邊形花型匹配

多邊形花型的匹配選取多邊形的面積M和顏色U、V為特征值，用3.1相同的方法計(jì)算它們花型間差異的絕對(duì)值，如式(7)所示，并將結(jié)果與T2比較，當(dāng)D小于T2時(shí)，認(rèn)為這2種花型是相似花型。

3.3 復(fù)雜圖案花型匹配

對(duì)于復(fù)雜圖案，并沒(méi)有顯著的特征可以作為匹配標(biāo)準(zhǔn)。目前圖像匹配的研究成果中，基于邊緣特征的匹配方法效果較好。其中，圓弧作為一種特殊的邊緣輪廓，可以有效地體現(xiàn)圖案的形狀特征。

本文選用文獻(xiàn)［10］提出的方法，根據(jù)圓弧上像素點(diǎn)的梯度方向所在的直線(xiàn)相交于圓心的性質(zhì)，在有限的半徑范圍內(nèi)，對(duì)圓參數(shù)空間進(jìn)行累加求和，計(jì)算其極值，據(jù)此得到圖案內(nèi)可能存在的圓弧。

用同樣的方法分別得到待匹配圖案和數(shù)據(jù)庫(kù)內(nèi)參考圖案的圓弧后，以像素點(diǎn)為單位，分別選取其中最長(zhǎng)的3條圓弧，計(jì)算各自的長(zhǎng)度S和弧度R差值的絕對(duì)值△S，△R。

計(jì)算2個(gè)花型間的差異D，如式(8)所示。將D與閾值T3比較，當(dāng)D小于T3時(shí)，認(rèn)為這2種花型是相似花型。

4 實(shí)驗(yàn)結(jié)果分析

本文選取40種常見(jiàn)的領(lǐng)帶花型作為測(cè)試數(shù)據(jù)庫(kù)，驗(yàn)證方法的可用性。結(jié)果表明，檢索得到的相似花型往往不止1個(gè)。在實(shí)際應(yīng)用中，使用者對(duì)檢索結(jié)果并沒(méi)有唯一性要求，可以給出多個(gè)相似的花型，以供選擇。表2示出候選的檢索結(jié)果個(gè)數(shù)和檢索準(zhǔn)確率。候選結(jié)果個(gè)數(shù)越多，檢測(cè)準(zhǔn)確率越高，因此，可以根據(jù)需求調(diào)整候選結(jié)果的個(gè)數(shù)。

表2 檢索結(jié)果候選個(gè)數(shù)和準(zhǔn)確率Tab.2 Number of candidates and accuracy

5 結(jié)論

為了提高領(lǐng)帶花型檢索的速度和準(zhǔn)確度，本文結(jié)合計(jì)算機(jī)圖像檢索技術(shù)，提出一種基于圖像邊緣特征的檢索方法。本文方法根據(jù)圖像的輪廓特征，將領(lǐng)帶花型分為條紋、多邊形和復(fù)雜圖案3類(lèi)，然后分別與數(shù)據(jù)庫(kù)內(nèi)同類(lèi)型花型匹配，選出相似的圖案。與其他圖案匹配算法相比，本文方法在領(lǐng)帶花型匹配前進(jìn)行了分類(lèi)，可大大減少每個(gè)花型匹配的次數(shù)，顯著地降低計(jì)算復(fù)雜度。實(shí)驗(yàn)選取40種常見(jiàn)的領(lǐng)帶花型作為測(cè)試數(shù)據(jù)庫(kù)，當(dāng)給出唯一的候選結(jié)果時(shí)，檢索的準(zhǔn)確率為82.5%;當(dāng)給出多個(gè)候選結(jié)果時(shí)，檢索的準(zhǔn)確率可達(dá)90%以上。本文方法準(zhǔn)確率高，計(jì)算復(fù)雜度低，完全可以滿(mǎn)足實(shí)際應(yīng)用的需求。

［1］ 張弛，張成俊，吳曉光.電腦橫機(jī)控制系統(tǒng)數(shù)據(jù)準(zhǔn)備［J］.紡織學(xué)報(bào)，2012，33(8):124－129.ZHANG Chi， ZHANG Chengjun， WU Xiaoguang.Control system data preparation of computer flat knitting machine［J］. Journal of Textile Research，2012，33(8):124－129.

［2］ 陳莉，葉介茂.基于函數(shù)Z=axc+byd的圖案生成與針織產(chǎn)品設(shè)計(jì)［J］.紡織學(xué)報(bào)，2013，34(2):65－68.CHEN Li，YE Jiemao.Pattern creation and knitted products design based on function Z=axc+byd［J］.Journal of Textile Research，2013，34(2):65－68.

［3］ 雷惠，叢洪蓮，張愛(ài)軍.雙針床短毛絨織物的CAD設(shè)計(jì)與仿真［J］.紡織學(xué)報(bào)，2013，34(7):132－136.LEI Hui，CONG Honglian，ZHANG Aijun.CAD design and simulation of double-needle bar short pile fabrics［J］.Journal of Textile Research，2013，34(7):132－136.

［4］ LOWE D G.Distinctive image features from scaleinvariant keypoints［J］. International Journal of Computer Vision，2004，60(2):977－1000.

［5］ ZITVOA B，F(xiàn)LUSSER J.Image registration methods:a survey［J］. Image and Vision Computing，2003，21(11):91－110.

［6］ BELONGIE S，MALIK J，PUZICHA J.Shape matching and object recognition using shape contexts［J］.IEEE Transactions on Pattern Analysis and Machine Intelligence，2002，24(4):509－522.

［7］ 戴濤，朱長(zhǎng)仁，胡樹(shù)平.圖像匹配技術(shù)綜述［J］.數(shù)字技術(shù)與應(yīng)用，2012(3):174－177.DAI Tao，ZHU Changren，HU Shuping.Overview of image matching technology［J］.Digital Technology ＆Application，2012(3):174－177.

［8］ 張華俊，李桂華，劉程，等.基于SURF特征匹配的數(shù)字圖像相關(guān)變形初值可靠估計(jì)［J］.光學(xué)學(xué)報(bào)，2013(11):101－106.ZHANG Huajun，LI Guihua，LIU Cheng，et al.Reliable initial guess based on SURF feature matching in digital image correlation［J］.Acta Optica Sinica，2013(11):101－106.

［9］ MARR D，HILDRETH E.Theory of edge detection［C］//Proceedings of the Royal Society of London，Series B，Containing Papers of a Biological Character.［S.l.］:Royal Society，1980:187 －217.

［10］ LIN X，WU L F，LIN J.An improved Hough transform method for circle segmentation［J］.Signal Processing，2004，20(6):623－627.

Necktie pattern retrieval method based on image edge characteristics

LIN Xiangyu，ZHANG Huaxiong
(Institute of Information，Zhejiang Sci-Tech University，Hangzhou，Zhejiang 310018)

In order to increase the accuracy and speed of necktie pattern retrieval，an image retrieval method based on the edge characteristics is introduced.Firstly，the edge of necktie pattern is extracted by edge detection，and the result is quantized as edge characteristic.After that，the statistic of the edge characteristic distribution is analyzed.Based on the analyses，the necktie pattern is divided into stripe，polygon and complex pattern.Finally，the pattern to be retrieved is matched with the patterns in the database，and the most-similar patterns are chosen as a result.The experiment result shows that the proposed method could retrieve similar patterns precisely with low computation，which is greatly practicable.

necktie pattern;image retrieval;edge characteristic;feature matching

TP 399

A

10.13475/j.fzxb.20140301104

2014－03－04

2014－06－10

浙江省高校重中之重學(xué)科開(kāi)放基金項(xiàng)目(2013KF08);浙江省信息服務(wù)業(yè)發(fā)展專(zhuān)項(xiàng)資金項(xiàng)目(2013085)

林翔宇(1983—)，男，講師，博士。研究方向?yàn)橐曨l信息處理。張華熊，通信作者，E-mail:zhxhz@zstu.edu.cn。