融合颜色与LBP纹理特征的布料色卡图像检索.docVIP

融合颜色与LBP纹理特征的布料色卡图像检索 　　摘 要：针对在采购与销售布料中存在人工配色不准确、查找分类难等问题，基于图像检索相关技术，通过融合布料色卡图像的颜色特征和纹理特征进行图像检索应用研究。设计了布料色卡图像颜色特征提取算法和基于LBP的纹理特征提取算法，并提出融合颜色特征和纹理特征的布料色卡检索算法。对提出的融合颜色和纹理特征的布料色卡图像检索算法在3个标准图像纹理库和实际布料色卡图像数据集进行了详细的对比测试。通过对测试结果的分析，得出在融合颜色和LBP纹理特征的布料色卡图像检索方法中采用先颜色后纹理的策略进行布料色卡图像检索是最有效的检索方案。 　　关键词关键词：图像检索；颜色特征；纹理特征；LBP算子；布料色卡 　　DOIDOI：10.11907/rjdk.161835 　　中图分类号：TP317.4 　　文献?耸堵耄?A 文章编号：1672-7800（2016）008-0173-04 　　0 引言 　　目前布料制品加工行业还存在以下影响生产与加工效率的问题：①找料难；②检料难；③分类难；④排版切割难。通过将布料色卡扫描成数字图像，利用基于内容的图像识别检索技术对布料色卡进行查找和分类，可以有效解决上述问题，而且可以使企业提高生产效率和产品质量，从而更具有市场竞争力。 　　国外在基于计算机进行布料图像检索领域的发展较早，所形成的布料检索方法也较为成熟，如美国研究人员Choonjong Kwak、Jose A Ventura提出采用神经网络进行布料纹理分类识别的方法等。我国科研工作人员在该领域也有一些相关研究工作，如韩立群建立了基于自组织神经网络的布料纹理分类器，刘健勤提出了布料纹理分类的神经元网络算法等。虽然国内外在布料纹理识别与检索领域的研究取得了很多进展，但依然存在许多问题。因此，近年来许多新的研究方法也不断出现，如冉友廷[1]提出织物色彩管理系统的设计方案和一种新的织物花型提取方法；徐琪[2]提出一种新的纹理描述方法――多尺度斑块特征（Multiscale Blob Features，MBF）；赵杨[3]提出一系列局部纹理描述子来研究在局部纹理信息中起关键作用的判别信息。 　　虽然提出的方法和理论很多，但目前还没有一种方法可以适合各领域的图像检索或分类，或者处理时间过长，不能在实际生产中广泛应用。因此，为满足布料生产和销售领域对布料色卡图像识别技术的需求，针对该领域研究合适的基于内容的图像检索方法具有实际应用价值。 　　1 图像颜色与纹理特征及其表示 　　1.1 图像颜色空间和图像特征表示 　　对于图像颜色的特征描述必须是在一个特定的颜色空间中，常用的颜色空间有RGB空间和HSV空间[4-6]。 　　1.1.1 颜色空间 　　（1）RGB颜色空间。RGB颜色空间是由红色（R）、绿色（G）、蓝色（B）3种基色混合编码形成的。在三维坐标中，红（Red）、绿（Green）、蓝（Blue）为3个颜色通道，数值大小分别代表在各自通道上的强度值。 　　（2）HSV颜色空间。HSV颜色空间模型把颜色空间分为3种属性：色调H（Hue）、饱和度S（Saturation）和亮度V（Value）。色调H表示光的颜色，饱和度S指颜色深浅程度，亮度V指颜色明暗程度。HSV颜色空间模型应用非常广泛，与人眼的视觉特性非常接近。各通道之间相互独立，可以独立感知各颜色通道的变化。 　　RGB空间转换为HSV空间的计算公式如下： 　　1.1.2 颜色特征表示――颜色直方图 　　图像的颜色直方图是一种概率分布图，它描述了不同亮度值在图像中出现的频率。一副图像I的灰度值范围为[0，K-1]，它的直方图h正好包含K个条目，每一个单独的条目被定义为： 　　h（i）=I中灰度值为i的像素点总数/图像总像素数 　　其中，0≤iK。 　　颜色直方图定义了图像或图像中区域的颜色分布，如果在图像旋转和缩放过程不丢失图像信息，颜色直方图具有与生俱来的旋转不变性和缩放不变性。 　　1.1.3 HSV空间上的颜色量化 　　一个颜色空间包含的颜色种类非常多，如果每一种颜色都需要考虑，计算机的计算量和所需存储空间都比较大，所以可以把一些颜色合并在一起，以提高图像识别检索效率。因此，将HSV颜色空间分割成许多个颜色块，并且每个颜色块都有一个特定的块标号。 　　HSV由RGB转换而来，其中0≤H≤360，0≤S≤1，0≤V≤1。此时需要对各个分量进行划分，得到各个分量的区间号。根据人眼的分辨能力，色调H分为8份，饱和度S分为3份，亮度V分为3份，即可达到要求。不同颜色对人眼的刺激强度不一样，在这里各个分量并不是平均划分，具体划分方式如下所示： 　　图像颜色直方图的计算可统计每个颜色块中的像素点个数，最后得到一个Nh*Ns