APP下载

一种基于特征值融合的服装面料图像检索方法

2021-03-15吴志鑫李立轻汪军江慧

服装学报 2021年1期

吴志鑫,李立轻,汪军,江慧

(东华大学 纺织学院,上海 201620)

纺织业是我国重要的制造业之一,纺织服装面料种类繁多,数量更是数不胜数[1]。在面料图像的检索方面,目前行业内通常采用传统的基于文本图像检索技术(text-based image retrieval,TBIR)[2],如中国轻纺网、中国纺织网等,用户必须在庞大的数据信息中逐一搜索,费时耗力[3]。虽然基于神经网络和深度学习的图像分类和特征识别是目前图像检测的热点,但是对于种类繁多、花样丰富的服装面料而言,其研究和应用还是有很多问题。基于内容的图像检索(content-based image retrieval,CBIR)技术[4]可以通过有效算子获取图像的基本特征(如形状、纹理及颜色等),再利用距离函数等计算图像的相似度以达到提高检索精度的目的,故有着更广阔的应用前景。张丽[5]利用加权方法,将颜色特征与纹理特征融合进行检索实验,结果表明利用融合后的特征向量进行检索的整体效果均好于单特征的,但是由于不同类别的服装图像对于纹理信息和颜色信息的敏感度不同,所以权重的设置比较困难。基于此,文中提出一种特征值归一化的方法,首先采用HSV颜色直方图法[6]提取出面料图像的颜色特征,再利用灰度共生矩阵(gray-level co-occurrence matrix,GLCM)算法[7]提取出纹理特征,然后将两者的特征值融合成新的特征向量,以期进一步提高服装面料图像的检索效果。

1 方法原理与算法建立

在CBIR技术流程中,最为关键的是针对图像的特征提取。合适的特征提取方法是图像检索实验的前提,通常是对图像的三大底层特征(颜色特征、纹理特征和形状特征)进行特征提取。……

登录APP查看全文