張聰　李岳陽　羅海馳　蔣高明　叢洪蓮

摘要： 由于蕾絲花邊工藝復(fù)雜，花型圖案種類繁多，且傳統(tǒng)的基于文本的圖像檢索方法采用人工標(biāo)注，工作量大、主觀性強(qiáng)，不能滿足蕾絲花型的檢索需求，因此文章采用基于Live Wire交互式圖像分割和層次匹配的方法對蕾絲花型進(jìn)行檢索。首先利用Live Wire算法提取蕾絲花邊中一個(gè)或多個(gè)花型輪廓；然后分別提取傅立葉描述子、幾何特征、灰度共生矩陣作為其特征向量；最后將每個(gè)測試花型的特征向量與1327個(gè)樣本花型的特征向量進(jìn)行匹配并按相似度大小排序。實(shí)驗(yàn)結(jié)果表明，相比于單一的特征識(shí)別，該方法具有更高的識(shí)別率，能夠滿足蕾絲花型的檢索需求。

關(guān)鍵詞： 蕾絲花型；Live Wire 分割算法；傅立葉描述子；幾何特征；紋理特征；層次匹配

中圖分類號(hào)： TS186.4文獻(xiàn)標(biāo)志碼： A文章編號(hào)： 10017003（2018）04003806引用頁碼： 041107

Abstract： The lace process is complex， and pattern types are numerous. Besides， traditional textbased image retrievalis manually annotated， which has the advantages of heavy workload and strong subjectivity. So， it cannot meet the retrieval demand of lace. Therefore， a novel method of retrieving lace patterns based on Live Wire interactive image segmentation and hierarchical matching is proposed in this paper. One or more pattern contours were extracted by using Live Wire algorithms firstly.Then， Fourier descriptors， geometric features and gray level cooccurrence matrix were extracted respectively as feature vectors. Lastly， feature vectors of each testing pattern were matched with those of 1327 sample patterns according to similarity degree. The results show that the method proposed here presents much higher recognition rate compared with single characteristic recognition， which could meet higher standards of lace pattern retrieval.

Key words： lace pattern； Live Wire segmentation algorithms； Fourier descriptor； geometric feature； texture feature； hierarchical matching

蕾絲花邊以優(yōu)雅高貴浪漫的風(fēng)格受到時(shí)尚界的青睞也引起了服裝生產(chǎn)企業(yè)的重視，是重要的服裝面料[1]。近年來，蕾絲花邊生產(chǎn)廠商生產(chǎn)并存儲(chǔ)的蕾絲花邊產(chǎn)品數(shù)量越來越多，花型圖案越來越復(fù)雜，針對實(shí)際營銷和生產(chǎn)過程中，需要在成千上萬的花邊數(shù)據(jù)庫中查找是否有包含來樣花邊中一個(gè)或多個(gè)花型圖案的所有蕾絲花邊產(chǎn)品，顯然傳統(tǒng)的基于文本的蕾絲花型檢索方法采用人工標(biāo)注，工作量大、檢索準(zhǔn)確率低，不能滿足生產(chǎn)與經(jīng)營的需要。因此，如何在織物背景復(fù)雜的蕾絲花邊中較好地分割出花型，并且快速、準(zhǔn)確地實(shí)現(xiàn)蕾絲花型檢索是紡織行業(yè)中亟待解決的難題。

蕾絲花邊是通過多把梳櫛襯緯或壓紗，并配合編鏈與襯緯形成的地組織或者同時(shí)配以賈卡形成的“網(wǎng)孔組織”“薄組織”及“厚組織”形成底部紋理，即復(fù)雜的花型圖案[2]。凹凸不平的花型圖案內(nèi)部深淺不一的鉤紋在數(shù)字圖像處理領(lǐng)域表現(xiàn)為不同的紋理。兩個(gè)不同的蕾絲花型，紋理差別非常明顯，采用紋理特征作為蕾絲花型檢索特征之一，是十分重要的。近兩年也出現(xiàn)了少量關(guān)于花邊織物檢索的研究。Zhang等[3]在2015年用多尺度和旋轉(zhuǎn)不變的LBP紋理特征對花邊織物進(jìn)行了檢索，也證實(shí)了紋理特征對這類織物具有很好的辨識(shí)效果。2016年曹霞等[4]也用改進(jìn)型紋理特征對蕾絲花邊進(jìn)行了檢索，進(jìn)一步證實(shí)了紋理特征對花邊織物檢索的有效性?，F(xiàn)今主要有兩種分割方式：自動(dòng)分割和人工交互式分割。自動(dòng)分割在很多情況下能夠快速得到較好的分割結(jié)果，但當(dāng)圖像背景復(fù)雜或者需要對多目標(biāo)進(jìn)行分割時(shí)，不能達(dá)到滿意的效果；交互式分割通過人機(jī)交互完成分割過程，自提出以來，由完全需要用戶手工畫出目標(biāo)區(qū)域或勾勒出目標(biāo)輪廓發(fā)展到只需用戶少量干預(yù)就能完成分割過程。其中LiveWire[5]是1992年由Mortensen 等[6]提出的一種交互式分割算法，通過人工設(shè)定起始點(diǎn)，算法自動(dòng)搜索邊界，人工再次確定目標(biāo)點(diǎn)的方法達(dá)到分割的目的，該算法能在保持很高分割精度的情況下將人工干預(yù)降到最小程度，在醫(yī)學(xué)圖像處理中已普及。另外交互式分割方法還有Graph Cut，相比于Live Wire，該方法在標(biāo)記點(diǎn)較少時(shí)容易出現(xiàn)錯(cuò)分割的情況。Zahn[7]首先證明了傅立葉描述子在辨識(shí)物體形狀輪廓方面具有高效和低復(fù)雜度的特點(diǎn)。層次匹配算法，是由Jane You和WaiKin Kong[8]提出的一種大數(shù)據(jù)下實(shí)現(xiàn)由粗到精逐層匹配特征量的算法，該方法利用上層特征的匹配結(jié)果，通過設(shè)置合適的閾值約束和指導(dǎo)下層特征的匹配，從而實(shí)現(xiàn)多層特征篩選匹配，保證匹配結(jié)果可靠性的同時(shí)提升了效率，并已在掌紋識(shí)別中應(yīng)用。

因此，本文提出了一種基于Live Wire交互式圖像分割和層次匹配的蕾絲花型檢索算法，采用Live Wire分割算法提取蕾絲花邊中的花型，分別提取其邊界傅立葉描述子、幾何特征、灰度共生矩陣特征，再進(jìn)行層次篩選匹配，從而提高蕾絲花型檢索的準(zhǔn)確率。

1圖像預(yù)處理

蕾絲花邊圖像預(yù)處理包括圖像采集、圖像灰度化、花型輪廓提取，其中預(yù)處理階段除了圖像采集在掃描儀上進(jìn)行，其他操作都在Matlab2014b編程軟件上進(jìn)行。得到的花型輪廓精準(zhǔn)程度直接影響后續(xù)特征參數(shù)的提取。由于花型紋理的復(fù)雜，自動(dòng)分割不能達(dá)到滿意的效果，因此本文采用Live Wire交互式分割算法提取花型輪廓，該算法的思想如下：

將花型圖像看成是一個(gè)加權(quán)有向圖，通過定義兩個(gè)像素（節(jié)點(diǎn)）間代價(jià)函數(shù)計(jì)算它們之間的代價(jià)值，然后在待分割部位人工設(shè)定起始點(diǎn)和第一個(gè)終止點(diǎn)，最后通過最短路徑搜索的方法（Dijkstra算法）來找到兩個(gè)點(diǎn)的最短距離，這個(gè)最短距離即是目標(biāo)邊界[9]。定義局部代價(jià)函數(shù)：

2層次匹配算法

層次匹配算法是一種將龐大的特征向量庫由粗到精逐層進(jìn)行匹配篩選并識(shí)別的方法，避免了不必要的特征匹配與識(shí)別，省時(shí)并且能提高識(shí)別準(zhǔn)確度，常用于圖像檢索中。本文基于層次匹配的蕾絲花型檢索算法定義了三層特征：a）基于邊界特征傅立葉描述子匹配；b）基于幾何特征匹配；c）基于紋理特征。由a）中提取得到每個(gè)蕾絲花型的邊界特征傅立葉描述子，然后計(jì)算每個(gè)測試花型與所有樣本花型特征向量間的距離，距離最小即相似度最大，然后將距離從小到大排序，再根據(jù)實(shí)際測試花型與樣本花型的正確對應(yīng)關(guān)系選取合適的閾值L1，得到第一層篩選出的花型S1的模板特征向量Gback1。然后再用b）中幾何特征匹配算法和幾何特征滿足的合適閾值L2對Gback1中特征向量進(jìn)行第二層篩選。最后將第二層篩選出的所有花型特征向量進(jìn)行第三層紋理特征匹配，重新排序并分析最終層次匹配算法檢索效率和單個(gè)特征匹配算法檢索率之間的差異。層次匹配過程如圖2所示，其中S1，S2指每層篩選出來的花型，S3指最后的篩選結(jié)果，L1，L2為每層的閾值。找出所有正確樣本圖案當(dāng)前位置，得到閾值L1=248。由于Live Wire交互式圖像分割有人工參與的部分，所提取的蕾絲花型在尺寸方向上存在誤差，故取L2=0.52。

2.1傅立葉描述子

花型分割出來之后，首先提取其邊界輪廓特征。傅立葉描述子是物體邊界輪廓曲線的傅立葉變換系數(shù)，具有很好的圖型輪廓描述能力[1011]。它的基本思想是：將目標(biāo)輪廓看成一個(gè)復(fù)平面，選取蕾絲花型輪廓曲線上任意一點(diǎn)作為起始點(diǎn)，沿著輪廓曲線逆時(shí)針運(yùn)動(dòng)一周的復(fù)函數(shù)為：

3實(shí)驗(yàn)與結(jié)果

將1008張蕾絲花邊圖像預(yù)處理分割后得到所有樣本花型的數(shù)目是1327個(gè)，為了避免提取的特征完全一致，影響實(shí)驗(yàn)結(jié)果的判定，需再重新在1008張蕾絲花邊圖像中任意分割出530個(gè)花型作為測試花型，這樣可以保證測試花型和樣本花型在大小、邊緣輪廓上存在差異，達(dá)到實(shí)驗(yàn)的目的。按照上文介紹的算法提取1327個(gè)樣本花型的特征向量構(gòu)建樣本數(shù)據(jù)庫，再提取單個(gè)測試花型的特征與樣本數(shù)據(jù)庫特征通過相似性度量的方法進(jìn)行匹配，然后按照相似度大小進(jìn)行排列，找到正確模板所在的位置，最終分別驗(yàn)證單個(gè)特征（傅立葉描述子、幾何特征、紋理特征）匹配算法和本文層次匹配算法的識(shí)別效果。評判標(biāo)準(zhǔn)為：在返回的前10，30和50張花型圖像中，分別查找是否有正確模板花型存在，然后統(tǒng)計(jì)在前10、30、50張中能夠正確識(shí)別的測試花型占530個(gè)總的測試花型的比例，即正確識(shí)別率。實(shí)驗(yàn)所用電腦為win7 64位操作系統(tǒng)，四核處理器，主頻2.10GHz，6.00GB內(nèi)存，開發(fā)環(huán)境是MATLAB R2014b，結(jié)果如表2所示。

實(shí)驗(yàn)結(jié)果表明，基于交互式分割出的蕾絲花型運(yùn)用層次匹配的檢索方法準(zhǔn)確率高于任一單個(gè)特征匹配，且每個(gè)花型平均識(shí)別時(shí)間為0.012s，得到準(zhǔn)確率的同時(shí)并不影響檢索速度。

4結(jié)語

本文提出了一種基于Live Wire交互式圖像分割和層次匹配的蕾絲花型檢索方法，即任意給定一張蕾絲花邊，利用Live Wire分割算法得到其所包含的蕾絲花型，通過本文提供的層次匹配算法進(jìn)行蕾絲花型特征提取和匹配，最終驗(yàn)證了該方法的有效性。此外，本文中蕾絲花型數(shù)據(jù)庫仍需繼續(xù)擴(kuò)充，算法也需進(jìn)一步優(yōu)化，并且本文算法是否適合其他不同領(lǐng)域的圖像檢索，即算法的普適性如何，仍然需要做大量實(shí)驗(yàn)驗(yàn)證。

參考文獻(xiàn)：

[1]何甜，吳志明.多梳拉舍爾定位蕾絲面料的邊部設(shè)計(jì)[J].紡織學(xué)報(bào)，2016，37（3）：5559.

HE Tian， WU Zhiming. Edge design multibar Radchel positioning lace fabric[J]. Journal of Textile Research，2016，37（3）：5559.

[2]沈雷，吳小藝，陳赟銀.蕾絲的角色轉(zhuǎn)變：從輔料到面料[J].絲綢，2012，49（11）：5156.

SHEN Lei， WU Xiaoyi， CHEN Yunyin.Roletransition oflacefabric： from aaccessories to outerwears fabrics[J]. Journal of Silk， 2012，49（11）：5156.

[3]ZHANG L J， LIU X L， LU Z H， et al. Lace fabric image retrieval based on multiscale and rotation invariant LBP[C]//International Conference on Internet Multimedia Computing and Service， ACM.2015：15.

[4]曹霞，李岳陽，羅海馳，等.蕾絲花邊的改進(jìn)型紋理特征檢索方法[J].紡織學(xué)報(bào)，2016，37（6）：142147，154.

CAO Xia， LI Yueyang， LUO Haichi， et al. Lace retrieval method based on improved texture feature[J]. Journal of Textile Research，2016，37（6）：142147，154.

[5]BARRETT W A， MORTENSEN E N. Fast， accurate， and reproducible livewire boundary extraction[J]. Proceedings of Visualization in Biomedical Computing，1996（1）：183192.

[6]王陽萍，黨建武，李強(qiáng)，等.基于改進(jìn)搜索策略的LiveWire醫(yī)學(xué)圖像分割算法[J].計(jì)算機(jī)工程與應(yīng)用，2007，43（29）：2426.

WANG Yangping，DANG Jianwu， LI Qiang， et al.LiveWire algorithm for medical image segmentation based on improved search strategy[J].Computer Engineering and Applications， 2007，43（29）：2426.

[7]ZAHN C T，ROSKIES R Z. Fourier descriptors for plane closed curves [J]. IEEE Trans on Computers， 1972，21：26928.

[8]JANE Y， KONG W， ZHANG D， et al. On hierarchical palmprint coding with multiple features for personal identification in large databases[J]. IEEE Transactions on Circuits and Systems For Video Technology， 2004，14（2）：234243.

[9]姚偉克，莊哲民，楊金耀，等.基于改進(jìn)LiveWire算法的超聲圖像弱邊緣分割算法[J].測試技術(shù)學(xué)報(bào)，2015，29（5）：397403.

YAO Weike，ZHUANG Zhemin，YANG Jinyao， et al. Segmentation of ultrasound images with weak edge base on improved LiveWire algorithm[J]. Journal of Test and Measurement Technology， 2015，29（5）：397403.

[10]劉建立，左保齊.基于小波變換和閾值分割的織物疵點(diǎn)邊緣檢測[J].絲綢，2006（8）：4244，50.

LIU Jianli， ZUO Baoqi. Edge detection of fabric defects based on wavelet transform and threshold segmentation algorithm[J]. Journal of Silk， 2006（8）：4244，50.

[11]葛元，郭興偉，王林泉.傅立葉描述子在手勢識(shí)別中的應(yīng)用[J].計(jì)算機(jī)應(yīng)用與軟件，2005，22（6）：1213，92.

GE Yuan， GUO Xingwei， WANG Linquan. The application of fourier descriptors to the recognition of alphabet gesture [J]. Computer Applications and Software， 2005，22（6）：1213，92.

[12]高士忠.基于灰度共生矩陣的織物紋理分析[J].計(jì)算機(jī)工程與設(shè)計(jì)，2008，29（16）：43854388.

GAO Shizhong. Analysis of fabric texture based on GLCM[J].Computer Engineering and Design， 2008，29（16）：43854388.