基于顏色矩的衣服檢索方法
【技術(shù)領(lǐng)域】 [0001] 本發(fā)明涉及圖像檢索，尤其涉及衣服圖片的檢索技術(shù)。
[0002] 技術(shù)背景基于內(nèi)容的圖像檢索（CBIR)，指的是查詢條件本身就是一幅圖像(或 者是對于圖像內(nèi)容的描述)，它建立索引的方式是通過提取圖像特征，然后通過計算比較這 些特征和查詢條件之間的距離，來決定兩幅圖像的相似程度。這里，圖像內(nèi)容的描述及提取 不再依賴于人的手工標(biāo)注，而是借助于從圖像中自動提取的視覺特征，檢索過程也不再是 關(guān)鍵字匹配，而是視覺特征間的相似匹配?；趦?nèi)容的圖像檢索常用的視覺特征包括顏色 特征、紋理特征及形狀特征。
[0003]目前衣服檢索技術(shù)大都是基于內(nèi)容進行檢索。衣服檢索包括兩個過程：線下建庫 索引及在線查詢。對衣服庫中的圖片進行特征提取，并對特征進行聚類，建立索引。在線查 詢，為對單獨輸入的一張衣服圖片進行特征提取，然后在索引中查詢。得到的結(jié)果根據(jù)特征 向量的相似度進行排序。各種檢索技術(shù)主要不同點體現(xiàn)在圖片特征選取上。通常圖片特征 分為：顏色特征、形狀特征及紋理特征。衣服檢索常用的為顏色特征及紋理特征。另外特征 還分為全局特征及局部特征。目前基本上采用的是局部特征或全局特征結(jié)合局部特征的方 法。
[0004] 顏色特征是衣服最直接、最重要的特征，因此對于衣服的檢索，對顏色特征的研究 尤為重要。常用的顏色特征有顏色直方圖、顏色集、顏色矩和顏色相關(guān)圖等。目前最常用基 于HSV的顏色直方圖特征或HSV顏色直方圖及紋理特征結(jié)合，但檢索效果不理想。

【發(fā)明內(nèi)容】
[0005] 本發(fā)明要解決的技術(shù)問題是避免現(xiàn)有技術(shù)中的不足，而提出一種基于顏 色矩的衣服檢索方法。
[0006] 本發(fā)明采用的技術(shù)方案如下：提出一種基于顏色矩的衣服檢索方法，依次包括以 下步驟：
[0007] (1)輸入待檢索衣服圖片，對其進行預(yù)處理，得到預(yù)定像素M*N的圖片；
[0008] (2)將所述M*N像素的圖片均分，每個塊大小為a*b像素，分為K塊，K為（(M/ a) *(N/b);
[0009] (3)對于每個塊，將其中每個像素由RGB顏色空間轉(zhuǎn)換到HSV顏色空間，并將每個 像素的H(0-360)，S(〇-l)，V(0-255)值進行歸一化操作，即H/360，V/255,進而計算該塊 的顏色矩；
[0010] (4)級聯(lián)待檢索衣服圖片的K塊顏色矩，得到L=9*K維的級聯(lián)顏色矩，即為該圖片 的顏色特征，Q(q〇,1，...Qh)即為待檢索衣服圖片的級聯(lián)顏色矩向量；
[0011] (5)遍歷衣服庫的顏色特征數(shù)據(jù)庫中的所有顏色特征，跟待檢索衣服圖片的級聯(lián) 顏色矩向量Q(q〇,1，...q^)進行相似性計算和比較，并根據(jù)顏色特征相似度進行排序，得 到最相似的圖像，即完成了圖像檢索過程。
[0012] 進一步地，所述衣服庫的顏色特征數(shù)據(jù)庫的構(gòu)建包括以下步驟：
[0013] (1)對衣服庫中的一衣服圖片進行預(yù)處理，得到預(yù)定像素M*N的圖片；
[0014] (2)將預(yù)處理后的M*N像素的衣服圖片均分為塊，每個塊大小為a*b像素，分為K 塊，K為（(M/a)*(N/b);
[0015] (3)對于每個塊，將其中每個像素由RGB顏色空間轉(zhuǎn)換到HSV顏色空間，并將每個 像素的H(0-360)，S(〇-l)，V(0-255)值進行歸一化操作，即H/360，V/255,進而計算該塊 的顏色矩；
[0016] (4)級聯(lián)衣服圖片K= ((M/a) * (N/b)個分塊的顏色矩，得到L=9*K維的級聯(lián)顏色矩， 即為該圖片的顏色特征。
[0017] (5)遍歷衣服庫中其他各張圖片，按以上四個步驟得到其他各張圖片的級聯(lián)顏色 矩向量，最后得到衣服庫的顏色特征數(shù)據(jù)庫。
[0018]顏色矩包括一次矩、二次矩及三次矩，定義第j張圖片第i通道的像素為Pij，
[0019] 一次矩為：
【主權(quán)項】
1. 一種基于顏色矩的衣服檢索方法，依次包括以下步驟： (1) 輸入待檢索衣服圖片，對其進行預(yù)處理，得到預(yù)定像素的圖片； (2) 將所述預(yù)定像素的圖片均分為K塊； (3) 對于每個塊，將其中每個像素由RGB顏色空間轉(zhuǎn)換到HSV顏色空間，并將每個像素 的H(0-360)，S(〇-l)，V(0-255)值進行歸一化操作，即H/360，V/255,進而計算該塊的顏 色矩； (4) 級聯(lián)待檢索衣服圖片的K塊顏色矩，得到L=9*K維的級聯(lián)顏色矩，即為該圖片的顏 色特征，Q(q〇,1，...dH)即為待檢索衣服圖片的級聯(lián)顏色矩向量； (5) 遍歷衣服庫的顏色特征數(shù)據(jù)庫中的所有顏色特征，與待檢索衣服圖片的級聯(lián)顏色 矩向量Q(q〇,1，...q^)進行相似性計算和比較，并根據(jù)顏色特征相似度進行排序，得到最 相似的圖像，即完成了圖像檢索過程。
2. 如權(quán)利要求1所述的基于顏色矩的衣服檢索方法，其特征在于：所述衣服庫的顏色 特征數(shù)據(jù)庫的構(gòu)建包括以下步驟： (1) 對衣服庫中的一衣服圖片進行預(yù)處理，得到預(yù)定像素的圖片； (2) 將預(yù)處理后的預(yù)定像素的衣服圖片均分為K塊； (3) 對于每個塊，將其中每個像素由RGB顏色空間轉(zhuǎn)換到HSV顏色空間，并將每個像素 的H(0-360)，S(〇-l)，V(0-255)值進行歸一化操作，即H/360，V/255,進而計算該塊的顏 色矩； (4) 級聯(lián)衣服圖片的K塊顏色矩，得到L=9*K維的級聯(lián)顏色矩，即為該圖片的顏色特 征； (5) 遍歷衣服庫中其他各張圖片，按以上四個步驟得到其他各張圖片的級聯(lián)顏色矩向 量，最后得到衣服庫的顏色特征數(shù)據(jù)庫。
3. 如權(quán)利要求2所述的基于顏色矩的衣服檢索方法，其特征在于：顏色矩包括一次矩、 二次矩及三次矩，定義第j張圖片第i通道的像素為Pij， 一次矩為：
那么第k張圖片的顏色矩為（Ekl, 〇 kl,skl,Ek2, 〇 k2,sk2,Ek3, 〇 k3,sk3)。
4. 如權(quán)利要求1或2所述的基于顏色矩的衣服檢索方法，其特征在于，對衣服圖片的預(yù) 處理包括以下步驟：先對衣服圖片進行直方圖均衡化，然后進行前景提取，并保持前景提取 的區(qū)域為圖片，最終縮放保存的圖片為預(yù)定像素的規(guī)格。
5. 如權(quán)利要求3所述的基于顏色矩的衣服檢索方法，其特征在于：所述前景提取采用 自動Grabcut算法，批量處理圖片；自動Grabcut算法在Grabcut算法的基礎(chǔ)上通過提前設(shè) 定Grabcut參數(shù)實現(xiàn)。
6. 如權(quán)利要求5所述的基于顏色矩的衣服檢索方法，其特征在于：提前設(shè)定前景提取 的矩形區(qū)域為圖片中以（〇? 〇5*width，0? 05*height)、（0? 95*width，0? 95*height)為對角定 點的矩形區(qū)域。
7. 如權(quán)利要求1所述的基于顏色矩的衣服檢索方法，其特征在于：所述顏色特征相似 度公式為：
9為查詢圖片（9(|，91，...9&1)，？為圖片庫中任意圖片化 (|^1，..4^)，1^為級聯(lián)顏色矩 的維度，這里L(fēng)=9*K。
【專利摘要】本發(fā)明涉及一種基于顏色矩的衣服檢索方法，依次包括以下步驟：（1）輸入待檢索衣服圖片，對其進行預(yù)處理，得到預(yù)定像素的圖片；（2）將所述預(yù)定像素的圖片均分為K塊；（3）對于每個塊，將其中每個像素由RGB顏色空間轉(zhuǎn)換到HSV顏色空間，并將每個像素值進行歸一化操作，進而計算該塊的顏色矩；（4）級聯(lián)待檢索衣服圖片的K塊顏色矩，得到該圖片的顏色特征，即為待檢索衣服圖片的級聯(lián)顏色矩向量；（5）遍歷衣服庫的顏色特征數(shù)據(jù)庫中的所有顏色特征，與待檢索衣服圖片的級聯(lián)顏色矩向量進行相似性計算和比較。本發(fā)明方法采用級聯(lián)的顏色矩局部特征，檢索準(zhǔn)確率大為提高。
【IPC分類】G06F17-30, G06T7-40
【公開號】CN104572680
【申請?zhí)枴緾N201310485364
【發(fā)明人】翁天發(fā), 申凌, 趙勇, 袁譽樂
【申請人】深圳市牧笛科技有限公司
【公開日】2015年4月29日
【申請日】2013年10月16日