本發(fā)明屬于機(jī)器視覺和模式識(shí)別技術(shù)領(lǐng)域，特別涉及一種蕾絲花邊自動(dòng)檢索系統(tǒng)的使用方法。

背景技術(shù)：
：

一般蕾絲花邊生產(chǎn)企業(yè)或銷售商會(huì)有幾千到上萬種蕾絲花邊。在實(shí)際營銷或生產(chǎn)過程中，常常需要根據(jù)客戶來樣在存儲(chǔ)花邊的數(shù)據(jù)庫中查找是否有與來樣相同或類似的產(chǎn)品，從而能夠確認(rèn)來樣工藝參數(shù)，快速反饋信息給客戶。目前在企業(yè)中，常用的檢索方法是基于文本的，即對(duì)于每一種蕾絲花邊采用人工標(biāo)注的方法，檢索結(jié)果受主觀因素影響大，不同的標(biāo)注者對(duì)同一幅圖像理解可能不同，會(huì)給出不同的標(biāo)注，從而導(dǎo)致檢索準(zhǔn)確度不高，效率低。

隨著機(jī)器視覺和模式識(shí)別技術(shù)的發(fā)展，基于內(nèi)容的圖像檢索方法越來越受到人們的關(guān)注和研究。與基于文本的檢索方法不同，基于內(nèi)容的圖像檢索是利用圖像自身的特征，如顏色、紋理、形狀等特征，進(jìn)行檢索。基于內(nèi)容的圖像檢索，因其圖像特征的客觀性，不受人為主觀因素影響。因此如何將該技術(shù)在實(shí)際應(yīng)用中，是人們急需解決的問題。

公開于該背景技術(shù)部分的信息僅僅旨在增加對(duì)本發(fā)明的總體背景的理解，而不應(yīng)當(dāng)被視為承認(rèn)或以任何形式暗示該信息構(gòu)成已為本領(lǐng)域一般技術(shù)人員所公知的現(xiàn)有技術(shù)。

技術(shù)實(shí)現(xiàn)要素：
：

本發(fā)明的目的在于提供一種蕾絲花邊自動(dòng)檢索系統(tǒng)的使用方法，從而克服上述現(xiàn)有技術(shù)中的缺陷。

為實(shí)現(xiàn)上述目的，本發(fā)明提供了

一種蕾絲花邊自動(dòng)檢索系統(tǒng)的使用方法，其步驟為：

(1)通過瀏覽器，將本地計(jì)算機(jī)或移動(dòng)終端中的待檢索蕾絲花邊圖像發(fā)送到服務(wù)器端；

(2)服務(wù)器端接收到圖像之后，采用距離疊加函數(shù)方法求取蕾絲花邊的一個(gè)紋理周期圖像，然后由灰度共生矩陣得到該紋理周期圖像的紋理特征，由該紋理周期圖像的高度和寬度比得到形狀特征；

(3)求取待檢索圖像的特征向量與服務(wù)器數(shù)據(jù)庫中所有蕾絲花邊圖像的特征向量的歐式距離，得到距離最小的前十種蕾絲花邊，并將檢索結(jié)果返回至本地計(jì)算機(jī)或移動(dòng)終端；

(4)在本地計(jì)算機(jī)或移動(dòng)終端上顯示待檢索蕾絲花邊圖像和十種檢索到的蕾絲花邊圖像及其相應(yīng)詳細(xì)信息，供用戶進(jìn)一步選擇和確認(rèn)。

優(yōu)選地，上述技術(shù)方案中，步驟(2)中，對(duì)一維序列，其距離匹配函數(shù)可定義為：

其中I(x)為x位置的值，δ為像素移動(dòng)距離，M為序列I的長度；如果序列為周期性的，且其周期為p，則I(x)＝I(x+np)，其中n＝1，2，…；如果像素移動(dòng)距離δ與紋理周期p相等，則式(1)的值為0；由此，通過調(diào)整δ的值，d(δ)的值會(huì)相應(yīng)變化，并且d(δ)的最小值對(duì)應(yīng)的δ值即為紋理周期p；

對(duì)于大小為M×N的圖像，其第y列像素為一維序列，則第y列像素距離匹配函數(shù)為：

為減小噪聲影響，將每一列的距離匹配函數(shù)值累加，得到列距離疊加函數(shù)：

與一維序列類似，d(δ)的值會(huì)隨著δ的值的變化而變化，d(δ)的最小值對(duì)應(yīng)的δ值即為紋理周期p，紋理周期p即為一個(gè)紋理周期圖像的高度值H；通過圖像分割算法可得到紋理周期圖像的寬度W；從而得到蕾絲花邊的一個(gè)紋理周期圖像。

優(yōu)選地，上述技術(shù)方案中，步驟(2)中，灰度共生矩陣是記錄滿足一定條件的點(diǎn)對(duì)出現(xiàn)次數(shù)的矩陣；對(duì)于大小為H×W的灰度圖像，偏移量為像素灰度級(jí)為G，對(duì)應(yīng)于該灰度圖像的大小為G×G的灰度共生矩陣表示為：

其中δ{True}＝1，δ{False}＝0；共生矩陣位置(i，j)處的值表示灰度級(jí)為i的像素點(diǎn)經(jīng)過偏移量后達(dá)到灰度級(jí)為j的像素點(diǎn)的點(diǎn)對(duì)出現(xiàn)的次數(shù)。

優(yōu)選地，上述技術(shù)方案中，步驟(2)中，對(duì)于一幅圖像，取8個(gè)不同的偏移量，分別為(-1,-1)、(-1,0)、(-1,1)、(0,1)、(1,1)、(1,0)、(1,1)、(0,-1)，對(duì)應(yīng)于這8個(gè)不同的偏移量可得到8個(gè)灰度共生矩陣，將這8個(gè)灰度共生矩陣求平均得到一個(gè)灰度共生矩陣，由這個(gè)平均后得到的灰度共生矩陣P_i，j，可得到紋理特征：能量(Energy)、熵(Entropy)、對(duì)比度(Contrast)、逆差距(Homogeneity)和自相關(guān)(Correlation)，分別表示如下：

與現(xiàn)有技術(shù)相比，本發(fā)明具有如下有益效果：

蕾絲花邊自動(dòng)檢索系統(tǒng)的使用方法采用基于內(nèi)容的圖像檢索技術(shù)，并且在本地計(jì)算機(jī)或移動(dòng)終端上無需安裝任何軟件，只需通過瀏覽器上傳待檢索蕾絲花邊圖像至服務(wù)器端，從而方便企業(yè)人員隨時(shí)隨地采集來樣蕾絲花邊圖像進(jìn)行自動(dòng)檢索。

附圖說明：

圖1為蕾絲花邊的紋理周期圖像；

圖2為本發(fā)明計(jì)算灰度共生矩陣時(shí)4個(gè)偏移量示意圖。

具體實(shí)施方式：

下面對(duì)本發(fā)明的具體實(shí)施方式進(jìn)行詳細(xì)描述，但應(yīng)當(dāng)理解本發(fā)明的保護(hù)范圍并不受具體實(shí)施方式的限制。

除非另有其它明確表示，否則在整個(gè)說明書和權(quán)利要求書中，術(shù)語“包括”或其變換如“包含”或“包括有”等等將被理解為包括所陳述的元件或組成部分，而并未排除其它元件或其它組成部分。

一種蕾絲花邊自動(dòng)檢索系統(tǒng)的使用方法，其步驟為：

(1)通過瀏覽器，將本地計(jì)算機(jī)或移動(dòng)終端中的待檢索蕾絲花邊圖像發(fā)送到服務(wù)器端；

(2)服務(wù)器端接收到圖像之后，采用距離疊加函數(shù)方法求取蕾絲花邊的一個(gè)紋理周期圖像，然后由灰度共生矩陣得到該紋理周期圖像的紋理特征，由該紋理周期圖像的高度和寬度比得到形狀特征；

如圖1所示，蕾絲花邊圖案一般呈周期性變化，在檢索時(shí)，只需求取蕾絲花邊的一個(gè)紋理周期圖像，得到其特征，然后進(jìn)行檢索，從而可以提高檢索效率和準(zhǔn)確率。

對(duì)一維序列，其距離匹配函數(shù)可定義為：

其中I(x)為x位置的值，δ為像素移動(dòng)距離，M為序列I的長度。如果序列為周期性的，且其周期為p，則I(x)＝I(x+np)，其中n＝1，2，…。如果像素移動(dòng)距離δ與紋理周期p相等，則式(1)的值為0。由此，通過調(diào)整δ的值，d(δ)的值會(huì)相應(yīng)變化，并且d(δ)的最小值對(duì)應(yīng)的δ值即為紋理周期p。

對(duì)于大小為M×N的圖像，其第y列像素為一維序列，則第y列像素距離匹配函數(shù)為：

為減小噪聲影響，可將每一列的距離匹配函數(shù)值累加，得到列距離疊加函數(shù)：

與一維序列類似，d(δ)的值會(huì)隨著δ的值的變化而變化，d(δ)的最小值對(duì)應(yīng)的δ值即為紋理周期p，紋理周期p即為圖1中一個(gè)紋理周期圖像的高度值H。通過圖像分割算法可得到紋理周期圖像的寬度W。由些，就可自動(dòng)得到蕾絲花邊的一個(gè)紋理周期圖像。

一個(gè)紋理周期圖像的紋理特征可通過構(gòu)造其灰度共生矩陣來得到?；叶裙采仃囀怯涗洕M足一定條件的點(diǎn)對(duì)出現(xiàn)次數(shù)的矩陣。對(duì)于大小為H×W的灰度圖像，偏移量為像素灰度級(jí)為G(對(duì)于8位灰度圖像，其像素灰度級(jí)為256)，對(duì)應(yīng)于該灰度圖像的大小為G×G的灰度共生矩陣可表示為：

其中δ{True}＝1，δ{False}＝0。共生矩陣位置(i，j)處的值表示灰度級(jí)為i的像素點(diǎn)經(jīng)過偏移量后達(dá)到灰度級(jí)為j的像素點(diǎn)的點(diǎn)對(duì)出現(xiàn)的次數(shù)。

在計(jì)算灰度共生矩陣時(shí)，偏移量是一個(gè)非常重要的參數(shù)。如圖2所示，顯示了4個(gè)不同的偏移量，分別為(-1,-1),(-1,0),(-1,1)和(0,1)。在實(shí)際應(yīng)用中，一般使用8個(gè)不同的偏移量，分別為(-1,-1),(-1,0),(-1,1),(0,1),(1,1),(1,0),(1,1)和(0,-1)。對(duì)于一幅圖像，對(duì)應(yīng)于這8個(gè)不同的偏移量可得到8個(gè)灰度共生矩陣。為使產(chǎn)生的灰度共生矩陣具有方向無關(guān)性，可將這8個(gè)灰度共生矩陣求平均得到一個(gè)灰度共生矩陣。由這個(gè)平均后得到的灰度共生矩陣P_i，j，可得到紋理特征：能量(Energy)、熵(Entropy)、對(duì)比度(Contrast)、逆差距(Homogeneity)和自相關(guān)(Correlation)，分別表示如下：

由圖1中一個(gè)紋理圖像的高度H和寬度W的比值得到形狀特征。

(3)求取待檢索圖像的特征向量與服務(wù)器數(shù)據(jù)庫中所有蕾絲花邊圖像的特征向量的歐式距離，得到距離最小的前十種蕾絲花邊，并將檢索結(jié)果返回至本地計(jì)算機(jī)或移動(dòng)終端；

(4)在本地計(jì)算機(jī)或移動(dòng)終端上顯示待檢索蕾絲花邊圖像和十種檢索到的蕾絲花邊圖像及其相應(yīng)詳細(xì)信息，如所用原料、機(jī)號(hào)、織物組織結(jié)構(gòu)、梳櫛信息等，供用戶進(jìn)一步選擇和確認(rèn)。

前述對(duì)本發(fā)明的具體示例性實(shí)施方案的描述是為了說明和例證的目的。這些描述并非想將本發(fā)明限定為所公開的精確形式，并且很顯然，根據(jù)上述教導(dǎo)，可以進(jìn)行很多改變和變化。對(duì)示例性實(shí)施例進(jìn)行選擇和描述的目的在于解釋本發(fā)明的特定原理及其實(shí)際應(yīng)用，從而使得本領(lǐng)域的技術(shù)人員能夠?qū)崿F(xiàn)并利用本發(fā)明的各種不同的示例性實(shí)施方案以及各種不同的選擇和改變。

本發(fā)明的范圍意在由權(quán)利要求書及其等同形式所限定。