曹 霞 李岳陽 羅海馳 蔣高明 叢洪蓮

1(江南大學(xué)輕工過程先進(jìn)控制教育部重點(diǎn)實(shí)驗(yàn)室 江蘇 無錫 214122)2(江南大學(xué)教育部針織技術(shù)工程研究中心 江蘇 無錫 214122)

基于Android的蕾絲花邊檢索系統(tǒng)的研究與實(shí)現(xiàn)

曹 霞1李岳陽2羅海馳1蔣高明2叢洪蓮2

1(江南大學(xué)輕工過程先進(jìn)控制教育部重點(diǎn)實(shí)驗(yàn)室 江蘇 無錫 214122)2(江南大學(xué)教育部針織技術(shù)工程研究中心 江蘇 無錫 214122)

針對(duì)目前蕾絲花邊花型種類繁多、重復(fù)率較高且產(chǎn)品管理過于人工化等問題，對(duì)蕾絲花邊檢索系統(tǒng)進(jìn)行研究，提出一種基于內(nèi)容的圖像檢索方法，并開發(fā)一款基于Android的蕾絲花邊檢索系統(tǒng)。使用該系統(tǒng)對(duì)蕾絲花邊進(jìn)行檢索時(shí)包括兩個(gè)階段：注冊(cè)階段和辨識(shí)階段。注冊(cè)在辨識(shí)之前，將所有蕾絲花邊圖像的特征存儲(chǔ)到遠(yuǎn)程服務(wù)器的特征數(shù)據(jù)庫(kù)中。辨識(shí)是一對(duì)多的層次匹配，將由智能手機(jī)獲取的被檢索蕾絲花邊圖像的特征與存儲(chǔ)在遠(yuǎn)程服務(wù)器的特征數(shù)據(jù)庫(kù)中所有的蕾絲花邊特征進(jìn)行比對(duì)，并將檢索結(jié)果信息返回到手機(jī)。測(cè)試結(jié)果表明，該方法能實(shí)時(shí)準(zhǔn)確地實(shí)現(xiàn)蕾絲花邊檢索，能夠滿足企業(yè)的實(shí)際需求。

基于內(nèi)容的圖像檢索 蕾絲花邊 Android 層次匹配 紋理

0 引 言

近年來，由于蕾絲花邊中花型的多變性，蕾絲花邊生產(chǎn)廠商存儲(chǔ)的蕾絲花邊數(shù)量多達(dá)幾千到上萬。在實(shí)際營(yíng)銷和生產(chǎn)過程中，需要根據(jù)來樣在存儲(chǔ)花邊的數(shù)據(jù)庫(kù)中查找是否有與來樣相同或類似的產(chǎn)品。傳統(tǒng)的基于文本的檢索方法采用人工標(biāo)注，其檢索結(jié)果受主觀因素影響大，從而導(dǎo)致檢索準(zhǔn)確度不高，效率低。如何快速準(zhǔn)確地實(shí)現(xiàn)蕾絲花邊圖案管理與檢索是一亟待解決的行業(yè)難題。

鑒于傳統(tǒng)檢索方法越來越不適應(yīng)快速準(zhǔn)確的檢索需求，基于內(nèi)容的圖像檢索技術(shù)[1-2]得到了深入的研究和發(fā)展。隨著智能手機(jī)的發(fā)展和普及，基于Android的蕾絲花邊檢索系統(tǒng)的實(shí)現(xiàn)具有可行性和便利性。但到目前為止，國(guó)內(nèi)外還沒有基于Android的蕾絲花邊檢索系統(tǒng)出現(xiàn)。而基于手機(jī)平臺(tái)的檢索系統(tǒng)在其他領(lǐng)域中已經(jīng)進(jìn)行了研究和實(shí)現(xiàn)。Kumar等[3]開發(fā)了第一個(gè)應(yīng)用在植物種類識(shí)別的基于IOS操作系統(tǒng)手機(jī)應(yīng)用程序Leafsnap，可以識(shí)別出樹木種類。Zhao等[4]開發(fā)了一款基于Android平臺(tái)手機(jī)應(yīng)用程序，用于自動(dòng)識(shí)別出植物種類。吳勇等[5]提出基于Android平臺(tái)下可定位圖像檢索系統(tǒng)。鄢志勇等[6]提出了基于Android系統(tǒng)的人臉檢測(cè)方法，針對(duì)不同分辨率下的多個(gè)人臉以改進(jìn)后特征檢索的方式對(duì)圖像進(jìn)行分類，提高了人臉檢測(cè)的識(shí)別正確率。戴建國(guó)等[7]在Android智能手機(jī)上開發(fā)了一種基于圖像規(guī)則的棉花病蟲害診斷系統(tǒng)。

蕾絲花邊呈現(xiàn)出不同的織物肌理，即紋理。蕾絲花邊在設(shè)計(jì)時(shí)，其花紋一般呈現(xiàn)周期循環(huán)，因此在檢索時(shí)，可只對(duì)蕾絲花邊的一個(gè)完全組織進(jìn)行分析，從而可以提高檢索效率和準(zhǔn)確率。本文提出了一種基于內(nèi)容的圖像檢索方法，具體來說就是利用一個(gè)完全組織的形狀和紋理特征，采用一對(duì)多的層次匹配方法對(duì)蕾絲花邊進(jìn)行檢索,通過手機(jī)實(shí)時(shí)快速地在存儲(chǔ)花邊的數(shù)據(jù)庫(kù)中進(jìn)行檢索，用于提高檢索效率。

在提出的基于內(nèi)容的檢索方法基礎(chǔ)上，進(jìn)一步開發(fā)了一款基于Android的蕾絲花邊檢索系統(tǒng)。測(cè)試結(jié)果表明，該系統(tǒng)較好地實(shí)現(xiàn)了蕾絲花邊的檢索，有效地提高了檢索的效率和準(zhǔn)確率，能夠滿足企業(yè)的實(shí)際需求。

1 蕾絲花邊檢索系統(tǒng)

蕾絲花邊檢索過程分為注冊(cè)階段與辨識(shí)階段。如圖1所示的是蕾絲花邊檢索系統(tǒng)框圖。

圖1 蕾絲花邊檢索系統(tǒng)框圖

在進(jìn)行檢索前，首先需要進(jìn)行注冊(cè)，即把所有蕾絲花邊樣本的特征存入遠(yuǎn)程服務(wù)器的特征數(shù)據(jù)庫(kù)中。注冊(cè)之后就可進(jìn)行辨識(shí)，即將被檢索蕾絲花邊與遠(yuǎn)程服務(wù)器的特征數(shù)據(jù)庫(kù)中所有樣本進(jìn)行一對(duì)多的層次匹配。

1.1 注冊(cè)階段

如圖2所示，注冊(cè)階段包含圖像采集、圖像預(yù)處理和特征提取三個(gè)功能模塊。特征提取后，就可把特征存儲(chǔ)到遠(yuǎn)程服務(wù)器的特征數(shù)據(jù)庫(kù)中。

圖2 注冊(cè)階段功能模塊

1) 圖像采集

圖像采集是蕾絲花邊檢索的一個(gè)非常重要的步驟，其采集到的圖像質(zhì)量決定了檢索結(jié)果的準(zhǔn)確性。采用掃描儀掃描蕾絲花邊圖案，注冊(cè)階段的圖像采集分四種形式，如圖3所示。掃描圖案時(shí)以A4紙為背景，根據(jù)蕾絲花邊顏色的不同選擇相對(duì)應(yīng)顏色的A4紙作背景。若蕾絲花邊顏色較淺，背景選取為黑色；若蕾絲花邊顏色較深，背景選取為白色。

圖3 注冊(cè)階段的圖像采集

2) 圖像預(yù)處理

圖像采集后，需對(duì)圖像進(jìn)行適當(dāng)預(yù)處理，以便提取圖像特征。圖像預(yù)處理過程包括將掃描得到的彩色圖像灰度化、圖像旋正、閾值分割，獲取一個(gè)完全組織。

如圖4所示，在MATLAB環(huán)境下，使用交互式的方式選取一個(gè)完全組織的上下兩個(gè)相對(duì)應(yīng)的參考點(diǎn)。根據(jù)這兩個(gè)參考點(diǎn)的縱向坐標(biāo)(即使這兩個(gè)參考點(diǎn)的縱向坐標(biāo)相同)旋正圖像。然后選取合適閾值和兩個(gè)參考點(diǎn)坐標(biāo)分割出蕾絲花邊的一個(gè)完全組織。圖像旋正處理是后續(xù)獲取蕾絲花邊一個(gè)完全組織的基礎(chǔ)和關(guān)鍵步驟。

圖4 獲取一個(gè)完全組織

3) 特征提取

由圖像預(yù)處理，就可得到蕾絲花邊的一個(gè)完全組織。蕾絲花邊形狀特征是一個(gè)完全組織的實(shí)際花高h(yuǎn)和花寬ω(如圖4(b)所示)。紋理特征是由一個(gè)完全組織的灰度共生矩陣中統(tǒng)計(jì)量描述的。得到所有樣本的形狀特征和紋理特征之后，就將這些特征存儲(chǔ)到遠(yuǎn)程服務(wù)器的特征數(shù)據(jù)庫(kù)中。

1.2 辨識(shí)階段

如圖5所示，辨識(shí)階段包含圖像采集、圖像預(yù)處理、特征提取、特征匹配和決策五個(gè)功能模塊。圖6給出了蕾絲花邊內(nèi)容檢索算法的流程圖。

圖6 辨識(shí)階段蕾絲花邊內(nèi)容檢索算法的流程圖

圖5 辨識(shí)階段功能模塊

1) 圖像采集

在室內(nèi)自然光條件下用手機(jī)拍攝被檢索的蕾絲花邊圖像，然后進(jìn)行檢索。拍照模式選取正常標(biāo)準(zhǔn)模式。在注冊(cè)階段的圖像采集基礎(chǔ)上，選擇合適的背景作為A4紙背景。即若A4紙為白色，背景則為黑色；若A4紙為黑色，背景為白色。辨識(shí)階段的圖像采集如圖7(a)所示，若檢索淺色的蕾絲花邊，采集的圖像樣本由下到上依次是白色背景、黑色A4紙、被檢索蕾絲花邊。

圖7 辨識(shí)階段的圖像采集

2) 圖像預(yù)處理

由于手機(jī)拍攝得到的圖像與掃描儀掃描得到的圖像的不同，辨識(shí)階段的圖像預(yù)處理的步驟也有所不同，且更為復(fù)雜。圖像預(yù)處理過程包括將拍攝得到的彩色圖像灰度化、閾值分割(將A4紙所在區(qū)域從背景中分割出來)、圖像配準(zhǔn)、圖像旋正，獲取一個(gè)完全組織。

由于手機(jī)拍攝采集蕾絲花邊的過程中，得到的圖像不可避免地會(huì)有幾何畸變和大小尺寸不一，因此需要采用圖像配準(zhǔn)算法[8]校正圖像。在圖像配準(zhǔn)過程中，由參考圖像(標(biāo)準(zhǔn)A4紙)和輸入圖像(由閾值分割得到的A4紙所在區(qū)域內(nèi)的圖像)可得到配準(zhǔn)后的圖像，即校正后的圖像(如圖8所示)。

由于在辨識(shí)階段，不方便使用注冊(cè)階段旋正圖像的方法(通過交互式的方式選擇一個(gè)完全組織的兩個(gè)對(duì)應(yīng)參考點(diǎn)實(shí)現(xiàn))，因此采用尋找最小外接矩形方法實(shí)現(xiàn)蕾絲花邊圖像旋正，具體實(shí)現(xiàn)見第2節(jié)。

最后通過交互式地移動(dòng)手機(jī)屏幕上下兩根截線到合適位置(如圖9(a)所示)，通過閾值分割得到一個(gè)完全組織(如圖9(b)所示)。

圖8 圖像配準(zhǔn)過程

圖9 辨識(shí)階段獲取一個(gè)完全組織

3) 特征提取

辨識(shí)階段特征提取的方式與注冊(cè)階段相同。對(duì)于同一個(gè)蕾絲花邊，在辨識(shí)階段和注冊(cè)階段得到的一個(gè)完全組織很難保持相同。由系統(tǒng)的測(cè)試結(jié)果表明，雖然兩個(gè)階段得到的完全組織不同，但不影響檢索結(jié)果。即使多次獲取或采用不同的方式(掃描儀掃描和手機(jī)拍攝)得到的完全組織不同，采用文中所描述的形狀特征和紋理特征提取方法而得到的特征是類似的。這也表明了文中基于內(nèi)容的檢索方法的魯棒性。

4) 特征匹配

得到一個(gè)完全組織的形狀和紋理特征后，就將特征上傳到遠(yuǎn)程服務(wù)器，與特征數(shù)據(jù)庫(kù)中的所有蕾絲花邊特征模板進(jìn)行層次匹配。層次匹配算法具體實(shí)現(xiàn)見第3節(jié)。

5) 決策

經(jīng)過層次匹配后，計(jì)算被檢索花邊與從特征數(shù)據(jù)庫(kù)中篩選出的蕾絲花邊之間的距離，按照相似度值從大到小進(jìn)行排序。然后選取排在最前的M個(gè)樣本作為檢索結(jié)果，返回到手機(jī)端。如果在這M個(gè)樣本中有與被檢索花邊相同的樣本，則辨識(shí)正確。

2 最小外接矩形法

由于經(jīng)過辨識(shí)階段圖像配準(zhǔn)后蕾絲花邊圖像仍出現(xiàn)稍許傾斜(傾斜角度θ≤10°)，故本文采用尋找最小外接矩形算法旋正配準(zhǔn)后蕾絲花邊圖像。其中尋找最小外接矩形算法分為兩個(gè)部分：(1) 求點(diǎn)集(樣本圖像二值圖像上點(diǎn)集)構(gòu)成的凸多邊形[9-10]；(2) 求凸多邊形的最小外接矩形。

假設(shè)凸多邊形與外接矩形的重合邊為AB，凸多邊形的外接矩形為A′B′C′D′，則與邊AB相對(duì)的點(diǎn)PT必定在邊C′D′上。凸多邊形的外接矩形如圖10所示。

圖10 凸多邊形的外接矩形

其中求凸多邊形的最小外接矩形算法步驟如下：

(1) 輸入空間平面內(nèi)的點(diǎn)群數(shù)據(jù)集。獲取數(shù)據(jù)集中所有幾何對(duì)象的點(diǎn)集合：

P{(x1,y1),(x2,y2),…,(xn,yn)}

(2) 若n<3，直接退出，無法求出最小外接矩形，否則在P中任取兩點(diǎn)構(gòu)造一條直線L，轉(zhuǎn)到步驟(3)。

(3)i←1，i從1開始遍歷點(diǎn)集中的各個(gè)點(diǎn)。

(4) 若Pi在直線L上，i←i+1，則重復(fù)步驟(4)，直至i=n。若仍然在直線上，退出，無法求出最小外接矩形；否則轉(zhuǎn)到步驟(5)。

(5) 求出點(diǎn)集合P的凸多邊形，按照逆時(shí)針方向依次獲得凸多邊形點(diǎn)集合SET_P及邊集合SET_E。

(6)j←1，j從1開始遍歷每種凸多邊形對(duì)應(yīng)的外接矩形。

(7) 求出凸多邊形Ej與之對(duì)應(yīng)的PT、PL、PR。

(8) 以O(shè)PT為分界線，獲取凸多邊形與外接矩形相交的點(diǎn)PL和PR。根據(jù)矩形幾何特征求出B′、C′、D′。

(9) 最終獲得凸多邊形Ej與之對(duì)應(yīng)的矩形Rj,并存儲(chǔ)四個(gè)頂點(diǎn)及其對(duì)應(yīng)面積，比較更新最小外接矩形的面積及對(duì)應(yīng)索引號(hào)。

(10)j←j+1，轉(zhuǎn)到步驟(7)，直至j=n。

該算法是在Eclipse平臺(tái)的基礎(chǔ)上，采用Java語言進(jìn)行編寫實(shí)現(xiàn)，借助OpenCVforAndroidAPI接口實(shí)現(xiàn)。其獲取蕾絲花邊的最小外接矩形并進(jìn)行圖像旋正的處理程序如下：

Public void doRotation(View view){

//旋轉(zhuǎn)扭

//存儲(chǔ)提取的輪廓點(diǎn)集

List contours = new ArrayList();

//提取外輪廓

Mat hierarchy = new Mat(biImg.height(),biImg.width(),biImg.type)

int mode = Imgproc.RETR_EXTERNAL;

int method = Imgproc.CHAIN_APPROX_NONE;

Imgproc.findContours(biImg,contours,hierarchy,mode,method);

//尋找面積最大的輪廓

MatOfPoint contour=contours.get(0);

double currmax = Imgproc.contourArea(contour),area;

int maxAreaIdx = 0;

for(int i = 1; i

contour=contours.get(i);

area = Imgproc.contourArea(contour);

if( area > currmax ){

currmax = area;

maxAreaIdx = i;}

}

contour = contours.get(maxAreaIdx);

//以外輪廓為依據(jù)生成最小面積外接矩形

MatOfPoint2f contourPoints2f = new MatOfPoint2f();

contourPoints2f.fromList(contour.toList());

RotatedRect theRect = Imgproc.minAreaRect(contourPoints2f);

//最小面積外接矩形畫到閾值處理結(jié)果中

Point vertices[] = new Point[4];

theRect.points(vertices);

ListrectPoints = new ArrayList();

for(int i=0;i<4;i++){

rectPoints.ass(vertices[i]);}

}

rectPoints.add(vertices[0]);

for(int i=0;i<4;i++){

Core.line(rectResult,rectPoints.get(i),rectPoints.get(i+1),new Scalar(0,255,0))};

//按最小面積外接矩形的角度旋轉(zhuǎn)

Mat rm = Imgproc.getRotationMatrix2D(new Point(oriImg.width

()/2,oriImg.height()/2),theRect.angle,1);

Imgproc.warpAffine(thresholdResult,rotateResult,rm,thresholdResult.size());

3 層次匹配算法

本文基于形狀和紋理特征的層次匹配方法分兩層進(jìn)行：(1) 基于形狀特征匹配方法；(2) 基于紋理特征匹配方法。

1) 基于形狀特征匹配方法

假設(shè)辨識(shí)階段被檢索的蕾絲花邊T經(jīng)圖像預(yù)處理后得到的一個(gè)完全組織的實(shí)際花高和花寬分別是hT和ωT。存放在服務(wù)器數(shù)據(jù)庫(kù)中的所有樣本Si(其中i=1,2,…,n;n是總的樣本個(gè)數(shù))的一個(gè)完全組織的花高和花寬分別是hSi和ωSi。針對(duì)同一個(gè)蕾絲花邊，注冊(cè)階段和辨識(shí)階段獲取的完全組織存在誤差。設(shè)置閾值th和tω，按以下篩選條件進(jìn)行第一層形狀特征匹配：

其中S1為所有滿足第一層匹配條件的樣本集合，即這些樣本和被檢索花邊的一個(gè)完全組織的實(shí)際花高和花寬的差值在一個(gè)確定的閾值范圍內(nèi)。

2) 基于紋理特征匹配方法

在圖像紋理特征提取方法中，共生矩陣描述了圖像灰度分布關(guān)于方向、變化幅度和局部領(lǐng)域的綜合信息[11]。通過分析蕾絲花邊圖案的紋理特征，即圖案的像素值分布規(guī)律，用共生矩陣的描繪子來定量分析灰度為i和j且位置方向?yàn)棣?0°,45°,90°,135°)的一對(duì)像素點(diǎn)。Pi,j(d,Q)表示距離為d的一對(duì)像素點(diǎn)(x,y)、(x′,y′)在灰度共生矩陣中出現(xiàn)的概率，統(tǒng)計(jì)圖像中每一對(duì)像素點(diǎn)在灰度共生矩陣出現(xiàn)的概率Pi,j(d,Q)。其中[Pi,j(d,Q)]L×L為灰度概率聯(lián)合概率矩陣[12]，Q表示兩個(gè)像素彼此相對(duì)位置的一個(gè)算子。其概率公式如下：

(1)

式(1)中Lr、Lc分別為圖像行、列的維數(shù)，#表示集合中元素的數(shù)目，N表示方陣Pij的行(列)數(shù)。為減少計(jì)算量和提高紋理特征的識(shí)別效果，將原圖像的灰度級(jí)256量化為128，即L=128，d=1?；贕LCM所提取紋理特征中對(duì)比度和熵具有最大的識(shí)別能力，角二階矩、對(duì)比度、相關(guān)性是不相關(guān)的[13]。故本文選取角二階矩、對(duì)比度、相關(guān)性和熵四個(gè)特征量來表示紋理特征。

(1) 角二階矩：

(2)

(2) 對(duì)比度：

(3)

(3) 相關(guān)度：

(4)

其中，fmean_r和fmean_c分別是沿著歸一化后灰度矩陣的行和列的均值，fvar_r和fvar_c分別是沿著灰度矩陣的行和列的方差。

(4) 熵：

(5)

(6)

(7)

蕾絲花邊圖像紋理特征由對(duì)比度、角二階矩、相關(guān)度、熵的均值(μcon、μasm、μcor、μent)和標(biāo)準(zhǔn)差(σcon、σasm、σcor、σent)構(gòu)成。然后需要將每一特征量進(jìn)行屬性歸一化處理[15]，實(shí)現(xiàn)特征距離標(biāo)準(zhǔn)化。

篩選出符合第一層匹配條件的樣本集合S1后，將樣本集合S1中花邊與被檢索花邊進(jìn)行第二層紋理特征匹配。因各紋理特征量正交無關(guān)且重要性相同，本文選用歐氏距離進(jìn)行相似性度量，計(jì)算公式為：

(8)

4 實(shí)驗(yàn)與結(jié)果分析

本文提出的基于Android的蕾絲花邊檢索系統(tǒng)由服務(wù)器端檢索平臺(tái)與手機(jī)端應(yīng)用程序兩個(gè)部分組成。手機(jī)品牌為三星，型號(hào)為GT-N7100,Android4.3操作系統(tǒng)，手機(jī)通過WiFi接入校園網(wǎng)。服務(wù)器采用江南大學(xué)網(wǎng)絡(luò)中心虛擬服務(wù)器，CPU為AMDOpteron(tm)Processor6344，操作系統(tǒng)為WindowsServer2008R2Enterprise，數(shù)據(jù)庫(kù)管理系統(tǒng)為SQLServer2008R2Express，Web應(yīng)用服務(wù)器為Tomcat7.0。手機(jī)端應(yīng)用程序安裝環(huán)境需在Android4.0以上的操作系統(tǒng)。服務(wù)器端蕾絲花邊圖像處理(注冊(cè)階段)在MATLAB2014a環(huán)境下實(shí)現(xiàn)，手機(jī)端蕾絲花邊圖像處理(辨識(shí)階段)通過調(diào)用OpenCVforAndroidAPI[16-17]接口實(shí)現(xiàn)。手機(jī)端與服務(wù)器端通信基于HTTP協(xié)議，采用WebServlet編寫服務(wù)器端程序[18-19]，JDBC技術(shù)訪問遠(yuǎn)程數(shù)據(jù)庫(kù)，實(shí)現(xiàn)手機(jī)端與服務(wù)器端數(shù)據(jù)參數(shù)交互傳遞。

在實(shí)驗(yàn)中，首先利用1.1節(jié)注冊(cè)階段圖像采集方法得到1008幅蕾絲花邊圖像，對(duì)這些圖像進(jìn)行預(yù)處理，將每幅圖像的一個(gè)完全組織的形狀特征和紋理特征存儲(chǔ)到遠(yuǎn)程服務(wù)器的數(shù)據(jù)庫(kù)中。然后，將1008幅蕾絲花邊依次作為被檢索對(duì)象，按照1.2節(jié)辨識(shí)階段中各個(gè)步驟進(jìn)行圖像處理，得到與被檢索花邊相似度最大的前M個(gè)樣本，將檢索結(jié)果返回到手機(jī)端。

本系統(tǒng)的檢索評(píng)價(jià)指標(biāo)有兩個(gè)：辨識(shí)率和檢索時(shí)間。辨識(shí)率為正確辨識(shí)的圖案?jìng)€(gè)數(shù)占測(cè)試圖案總數(shù)的百分比。選取M為1、10、20三種情況給出辨識(shí)率。檢索時(shí)間是指對(duì)蕾絲花邊來樣進(jìn)行檢索時(shí)所花時(shí)間，用來衡量系統(tǒng)實(shí)時(shí)性。

為評(píng)價(jià)本文提出的蕾絲花邊檢索系統(tǒng)的性能，將本系統(tǒng)的基于形狀和紋理特征的層次匹配方法分別與基于紋理特征的匹配方法、基于形狀和紋理特征的匹配方法進(jìn)行比較。其中基于紋理特征匹配方法是僅運(yùn)用上述灰度共生矩陣描述紋理特征進(jìn)行匹配，基于形狀和紋理特征匹配是融合上述形狀和紋理特征(在紋理特征分量基礎(chǔ)上增添形狀特征分量)進(jìn)行匹配。系統(tǒng)測(cè)試結(jié)果如表1所示。

表1 蕾絲花邊檢索系統(tǒng)測(cè)試結(jié)果

從表1中可以看出，隨著M值的增大，三種匹配方法的辨識(shí)率呈現(xiàn)遞增趨勢(shì)。與前兩種匹配方法相比，本文提出的匹配方法的辨識(shí)率明顯較高，說明了該方法的檢索有效性。本文所提出的匹配方法，在M=20情況下，測(cè)試樣本中辨識(shí)正確的占98.37%。

層次匹配的另一個(gè)顯著優(yōu)勢(shì)在于其匹配時(shí)間很短，即實(shí)時(shí)性很強(qiáng)。匹配時(shí)間是指在服務(wù)器端，被檢索的蕾絲花邊特征與數(shù)據(jù)庫(kù)中所有特征進(jìn)行匹配所需時(shí)間。表1中的匹配時(shí)間是1008幅蕾絲花邊依次作為被檢索對(duì)象得到的匹配時(shí)間平均值。本文所提出的匹配方法，所需匹配時(shí)間為141.4毫秒，遠(yuǎn)低于前兩種匹配方法的匹配時(shí)間。

對(duì)于檢索時(shí)間，表2中給出的是在辨識(shí)階段的各個(gè)過程所需平均時(shí)間。各個(gè)過程的具體說明如下：

圖像預(yù)處理指在手機(jī)端采集到被檢索蕾絲花邊后進(jìn)行圖像預(yù)處理；特征提取指得到被檢索花邊的一個(gè)完全組織后提取其形狀和紋理特征；上傳特征值指手機(jī)端通過校園WiFi向服務(wù)器端傳遞特征值。獲取所有樣本特征值指服務(wù)器端程序連接數(shù)據(jù)庫(kù)，獲取數(shù)據(jù)庫(kù)中存儲(chǔ)的所有樣本特征值。層次匹配指被檢索的蕾絲花邊特征與數(shù)據(jù)庫(kù)中所有特征進(jìn)行層次匹配。返回檢索結(jié)果指服務(wù)器端將與被檢索花邊相似度最大的前M(此處取20)個(gè)樣本編號(hào)返回給手機(jī)端。

表2 蕾絲花邊檢索系統(tǒng)辨識(shí)階段各個(gè)過程所需時(shí)間 ms

在辨識(shí)階段，除了圖像采集和得到一個(gè)完全組織這些交互式過程，由表2可以得到其他過程總共需要的時(shí)間為3564.2毫秒。這說明本文所提出的檢索系統(tǒng)符合企業(yè)實(shí)際的需求，即在大型蕾絲花邊數(shù)據(jù)庫(kù)中快速地檢索到花邊來樣。圖11是蕾絲花邊在線檢索的整體系統(tǒng)結(jié)構(gòu)圖，通過手機(jī)端與服務(wù)器端交互式的方式實(shí)時(shí)地檢索蕾絲花邊。由表1和表2蕾絲花邊檢索系統(tǒng)檢索結(jié)果，表明其檢索速率較快且精度較高，滿足企業(yè)的實(shí)際需求。

圖11 蕾絲花邊在線檢索系統(tǒng)結(jié)構(gòu)圖

基于Android平臺(tái)的蕾絲花邊檢索系統(tǒng)手機(jī)界面如圖12所示，展示出了實(shí)際應(yīng)用的檢索效果。其中(a)是系統(tǒng)開始界面，有“拍照”和“相冊(cè)”兩個(gè)選項(xiàng)，即被檢索蕾絲花邊圖像可以通過拍照或手機(jī)端相冊(cè)中得到。(b)是采集到的蕾絲花邊圖像，需要根據(jù)圖像具體情況設(shè)置A4紙顏色與蕾絲花邊方向，例如其中A4紙為黑色，花邊方向?yàn)榭v向。(c)是圖像預(yù)處理中關(guān)鍵步驟：圖像配準(zhǔn)后的界面。(d)是運(yùn)用交互式方式確定一個(gè)完全組織界面。(e)是檢索結(jié)果界面，圖中最上面是被檢索蕾絲花邊，然后按從上到下、從左到右的順序，各個(gè)樣本與被檢索花邊的相似度依次減小。其中，檢索后相似度最大的樣本正是被檢索的蕾絲花邊，辨識(shí)正確。

圖12 蕾絲花邊檢索系統(tǒng)手機(jī)界面

5 結(jié) 語

本文針對(duì)蕾絲生產(chǎn)企業(yè)檢索蕾絲花邊效率低下的問題，提出了一種基于內(nèi)容的圖像檢索方法，也就是利用蕾絲花邊一個(gè)完全組織的形狀和紋理特征，采用層次匹配方法進(jìn)行檢索。并且在該檢索方法基礎(chǔ)上開發(fā)了一款基于Android的蕾絲花邊檢索系統(tǒng)。實(shí)驗(yàn)結(jié)果表明，該系統(tǒng)能快速準(zhǔn)確地實(shí)現(xiàn)蕾絲花邊檢索，辨識(shí)率高且檢索時(shí)間短，能夠滿足企業(yè)實(shí)際需求。目前系統(tǒng)的蕾絲花邊數(shù)據(jù)庫(kù)中有1008個(gè)樣本，有待進(jìn)一步豐富和擴(kuò)展樣本數(shù)量，以測(cè)試系統(tǒng)的檢索性能。

[1] Rui Y,Huang T S,Chang S F.Image retrieval: current techniques,promising directions,and open issues[J].Journal of Visual Communication and Image Representation,1999,10(1):39-62.

[2] Lew M S,Sebe N,Djeraba C,et al.Content-based multimedia information retrieval:State of the art and challenges[J].ACM Transactions on Multimedia Computing,Communications and Applications,2006,2(1):1-19.

[3] Kumar N,Belhumeur P N,Biswas A,et al.Leafsnap:a computer vision system for automatic plant species identification[C]//12th European Conference on Computer Vision,2012:502-516.

[4] Zhao Z Q,Ma L H,Cheung Y M,et al.ApLeaf: An efficient android-based plant leaf identification system[J].Neurocomputing,2015,151:1112-1119.

[5] 吳勇,羅騰元,王美珍.可定位圖像采集與檢索方法研究[J].計(jì)算機(jī)工程,2014,40(7):207-211,220.

[6] 鄢志勇,王嘉梅.基于android系統(tǒng)的圖像內(nèi)容檢測(cè)[J].軟件,2012,33(6):35-37.

[7] 戴建國(guó),賴軍臣.基于圖像規(guī)則與Android手機(jī)的棉花病蟲害診斷系統(tǒng)[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2015,46(1):35-43.

[8] 岡薩雷斯,伍茲,埃丁斯.數(shù)字圖像處理[M].阮秋琦,等,譯.3版.北京:電子工業(yè)出版社,2011.

[9] 程鵬飛,閆浩文,韓振輝.一個(gè)求解多邊形最小面積外接矩形的算法[J].工程圖學(xué)學(xué)報(bào),2008,29(1):122-126.

[10] 潘微.求平面點(diǎn)集凸殼的一種新算法[J].重慶工學(xué)院學(xué)報(bào)(自然科學(xué)),2009,23(4):41-43.

[11] 焦蓬蓬,郭依正.特征級(jí)數(shù)據(jù)融合在醫(yī)學(xué)圖像檢索中的應(yīng)用[J].計(jì)算機(jī)工程與應(yīng)用,2010,46(6):217-220.

[12] Kuo C F J,Tsai C C.Automatic Recognition of Fabric Nature by Using the Approach of Texture Analysis[J].Textile Research Journal,2006,76(5):375-382.

[13] 王知鷙.基于紋理及光譜信息融合的遙感圖像分類方法研究[D].西安:西安電子科技大學(xué),2010.

[14] Su J,Wang B,Guo L.Textural featrue extraction and classification study research of digital image[J].Electronic Measurement Technology,2008,31(5):52-55.

[15] Gondra I,Heisterkamp D R.Content-based image retrieval with the normalized information distance[J].Computer Vision and Image Understanding,2008,111(2):219-228.

[16] Szeliski R.Computer Vision Algorithms and Applications[M].New York:Springer,2010.

[17] Baggio D L,Emami S,Escriv D M,et al.Mastering OpenCV with Practical Computer Vision Projects[M].Birmington,UK:Packet Publishing,2012.

[18] Altendorf E,Hohman M,Zabicki R.Using J2EE on a Large Web-based Project[J].IEEE Software,2002,19(2):81-89.

[19] Hammouda I,Koskimies K.A Pattern-Based J2EE Application Development Environment[J].Nordic Journal of Computing,2002,9(3):248-260.

RESEARCH AND IMPLEMENTATION OF LACE RETRIEVAL SYSTEM BASED ON ANDRIOD PLATFORM

Cao Xia1Li Yueyang2Luo Haichi1Jiang Gaoming2Cong Honglian2

1(KeyLaboratoryofAdvancedProcessControlforLightIndustry,MinistryofEducation,JiangnanUniversity,Wuxi214122,Jiangsu,China)2(EngineeringResearchCenterforKnittingTechnology,MinistryofEducation,JiangnanUniversity,Wuxi214122,Jiangsu,China)

Aiming at problems of too many lace patterns, high repetition rate and excessive artificial management, a retrieval method based on content is proposed and a lace retrieval system based on Android platform is developed. Retrieval process of this system includes two phases: registration phase and identification phase. In registration phase, which is before the identification phase, all the lace features are stored to the signature database of remote server. In identification phase, which is a one-to-many hierarchical matching process, the retrieved lace features collected by intelligent mobile are compared with all lace features which are stored in the signature database of remote sever, and the retrieval results information is returned back to the phone. Experimental results indicate that this method is able to realize the lace retrieval promisingly and match the actual demands in enterprises.

Content-based image retrieval Lace Android Hierarchy match Texture

2015-09-30。江蘇省產(chǎn)學(xué)研聯(lián)合創(chuàng)新資金—前瞻性聯(lián)合研究項(xiàng)目(BY2015019-11,BY2014023-20)；中央高?；究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)資金項(xiàng)目(JUSRP51404A，JUSRP211A38)。曹霞，碩士生，主研領(lǐng)域：圖像處理，模式識(shí)別。李岳陽，副教授。羅海馳，講師。蔣高明，教授。叢洪蓮，副教授。

TP391.4

A

10.3969/j.issn.1000-386x.2017.01.035