在一定范圍之內(nèi)。因此相關(guān)圖還展示了各個(gè)顏色之 間的空間相關(guān)性,在這點(diǎn)上與顏色直方圖形成互補(bǔ)關(guān)系。在搜索空間關(guān)系比較重要的圖片 時(shí),顏色相關(guān)圖充分說明了它在空間關(guān)系方面的優(yōu)勢(shì)相比較顏色直方圖。設(shè)d為距離集合 {d。,Cl1,…,dn},顏色相關(guān)圖的相關(guān)定義有假設(shè)灰度對(duì)(gl,g])的距離是d?;叶忍卣鳛椋?br>[0052]
[0053] 假設(shè)已知的灰度級(jí)別是gl,像素則用P1表示。在本實(shí)施方式中使用顏色相關(guān)圖計(jì) 算特征向量時(shí),為了與上述顏色直方圖算法一致,同樣選擇在HSV空間來計(jì)算。
[0054] 在灰度共生矩陣的概念中,用一些數(shù)學(xué)統(tǒng)計(jì)量來進(jìn)一步刻畫紋理特征向量,例如 紋理二階矩、對(duì)比度和均勻性等等,以便能夠直接的表述紋理信息。一般紋理信息的定義 有:
[0055] 1.對(duì)比度(也叫慣性矩)
[0057] 其中,Ii-jI=n,慣性矩匕形容的是紋理是否清晰,求得的值是指圖像中像素與 領(lǐng)域中像素的亮度之差。A越大,表明圖像像素間的亮度反差越大,則圖像對(duì)應(yīng)紋理越細(xì)。
[0058] 2?熵
[0060] 熵可以看做是圖像中紋理信息的度量單位。若是共生矩陣中所有元素分布越不集 中,熵就越大。它表示了紋理的不均衡程度。
[0061] 3?能量(角二階矩)
[0063] 可以看出它是用元素平方和來表示,描述了像素灰度分布情況和紋理粗細(xì)度。若 是共生矩陣中的元素的值大小比較接近時(shí),則f3值比較??;若是矩陣中元素的值大小分布 不集中,差較大,則f3值較大。f3取值范圍是在區(qū)間[0,1]?;叶纫恢碌膱D像能量為1。 [0064] 4?相關(guān)
[0066] 其中:yx和。Amx均值和標(biāo)準(zhǔn)差,mx是矩陣P中每行元素之和;y^my的均 值,而〇 ,為標(biāo)準(zhǔn)差,矩陣P中列向量元素和為my。
[0067] 灰度共生矩陣是指4個(gè)方向,4種值,組成一個(gè)4X4的矩陣,然后用各參數(shù)的均值 y和標(biāo)準(zhǔn)差〇替換特征向量元。
[0068] 所以,每幅圖像的紋理特征向量為F= [yy2,y3,y4,OO2,O3,O4]。上述 分量取值范圍和物理意義不同,因此進(jìn)行統(tǒng)一的歸一化操作:
[0070] 其中,〇〗分別表示[fI〗,f2,〗,4" 的均值和標(biāo)準(zhǔn)差。
[0071] Tamura等通過人眼視覺習(xí)慣的角度提出了包括粗糙度、對(duì)比度以及方向性等等特 性來描述紋理特征。Tamura等人提出的紋理特征,與灰度共生矩陣的最大不同點(diǎn)在于這 一特征是人類視覺可以感知的,這一特性不管是在紋理還是顏色特征表示時(shí)都是非常重要 的。一般情況下,前三種特征就可以很好地描述圖像的紋理特征,在本發(fā)明中我們也只用到 了前三種特征。
[0072] L粗糙度
[0073]粗糙度表達(dá)了圖像的粒度屬性,對(duì)于兩個(gè)結(jié)構(gòu)不同尺度相同的圖像,則尺度越大 代表更加粗糙。設(shè)圖像F的長(zhǎng)和寬分別為X、Y,則粗糙度表示為:
[0075] 2.對(duì)比度
[0076]對(duì)比度指獲得查詢圖像的像素亮度在計(jì)算像素灰度的分布情況的前提下。它的定
[0077] 其中,y。是亮度的均值,?代表了標(biāo)準(zhǔn)差,y4為y。的四階中心矩。由此可見對(duì) 比度是全面性的計(jì)算并分析圖像而得出的。
[0078] 3.方向度
[0079] -般來說,方向度是根據(jù)圖像像素間的梯度向量求得,紋理特征的方向性可以通
[0080] 其中He代表了直方圖,np是He中峰的個(gè)數(shù),Rp為峰p包含的相角巾的集合,而 ^^是相對(duì)峰中與最大值對(duì)應(yīng)的角。顯而易見,直方圖中峰越尖,對(duì)應(yīng)((6-0p)2He ((6)值越 小,說明圖像的方向特征越明顯。
[0081]在本發(fā)明中我們采用的形狀特征提取方法是HU不變矩法。對(duì)于離散的數(shù)字圖像, 假設(shè)圖像函數(shù)是f(X,y),那么圖像的P+q階幾何矩可表示為:
[0085] 其中,N,M分別是圖像的高度和寬度;歸一化的中心距定義為:
[0086] nM=MpllK.O
[0087]其中:P =(p+q)/+1。
[0088] Hu不變矩法利用連續(xù)情況下良好的魯棒性特點(diǎn)選擇二階矩公式與三階中心距公 式組合成了七個(gè)不變矩公式,表達(dá)式如下所述:
[0089] Ml= n2〇+ n〇2
[0090] M 2二)2 + 4?2,
[0091] M3 = (n 3〇-3 n 12)2+ (3 n Z1-n 〇3)2
[0092] M4= (n 3〇+ n 12)2+ (n 21+ n〇3)2
[0093] .......
[0094] Hu不變矩一般用來識(shí)別物體的形狀描述得比較好且紋理特征不太復(fù)雜的圖像,亦 即比較適合用在圖像的顏色區(qū)域分布比較集中且較為簡(jiǎn)單的區(qū)分不同區(qū)域的圖像當(dāng)中。
[0095] 步驟2-2為利用相似性度量方法(歐氏距離)分別計(jì)算擬查詢服裝圖像Q與圖像 庫(kù)中的第I幅服裝圖像顏色的相似距離(Km1,m2),擬查詢服裝的圖像Q與圖像庫(kù)中第I幅 服裝圖像的紋理特征的相似距離d(m3,m4),擬查詢服裝的圖像Q與圖像庫(kù)中第I幅服裝圖 像的形狀特征的相似距離d(m5);從圖像庫(kù)中返回十幅相似距離最小的圖像,并獲得單一特 征檢索式的查準(zhǔn)率;
[0096] 歐氏距離在參考系統(tǒng)中由于與旋轉(zhuǎn)不變量具有緊密的聯(lián)系,計(jì)算過程也比較簡(jiǎn)單 便宜,在當(dāng)前非常受到歡迎。歐氏距離即歐幾里得度量。設(shè)X和Y為N維特征向量。則定
[0097] 在計(jì)算歐式距離之前,特別是有多個(gè)特征進(jìn)行檢索時(shí)獲得的特征向量 的每個(gè)向量元都有不同的物理意義和權(quán)值范圍,先開展歸一化操作,表達(dá)如下:
[0098] 歐式距離對(duì)多種特征的相似性距離度量都能適用,由于本發(fā)明采用基本的三種視 覺特征來開展融合檢索應(yīng)用,因此在本文試驗(yàn)中提取的用歐氏距離來判斷查詢圖與圖像庫(kù) 中圖像的相似度。
[0099]本發(fā)明中,用戶在基于多特征DS理論融合顏色、紋理和形狀特征的圖像檢索系統(tǒng) 搜索出喜歡的衣服后,為了進(jìn)一步體驗(yàn)衣服的款式、尺碼和顏色是否符合自己,通過基于結(jié) 構(gòu)光測(cè)量技術(shù)的人體三維模型重構(gòu)系統(tǒng)掃描獲取自己的人體三維數(shù)據(jù),快速建立三維立體 模型,該三維立體模型即能夠模擬用戶的實(shí)際身型試穿選好的衣服,實(shí)現(xiàn)用戶的在線虛擬 試穿功能。
【主權(quán)項(xiàng)】
1. 基于立體視覺與多特征圖像檢索的電子試衣系統(tǒng),其特征在于,該電子試衣系統(tǒng)包 括基于結(jié)構(gòu)光測(cè)量技術(shù)的人體三維模型重構(gòu)系統(tǒng)和基于多特征DS理論融合顏色、紋理和 形狀特征的圖像檢索系統(tǒng); 基于結(jié)構(gòu)光測(cè)量技術(shù)的人體三維模型重構(gòu)系統(tǒng)用于獲取用戶的人體表面的三維坐標(biāo) 數(shù)據(jù),構(gòu)造用戶人體表面的外形曲面,實(shí)現(xiàn)人體三維模型重構(gòu); 基于多特征DS理論融合顏色、紋理和形狀特征的圖像檢索系統(tǒng)利用顏色、紋理和形狀 特征對(duì)服裝進(jìn)行檢索。2. 根據(jù)權(quán)利要求1所述的基于立體視覺與多特征圖像檢索的電子試衣系統(tǒng),其特征在 于,基于結(jié)構(gòu)光測(cè)量技術(shù)的人體三維模型重構(gòu)系統(tǒng)實(shí)現(xiàn)的具體方法為: 步驟1-1、固定光投射器和CCD攝像機(jī)的位置,標(biāo)定光投射器和CCD攝像機(jī),獲得CCD攝 像機(jī)和光投射器的內(nèi)外參數(shù)矩陣分別為a_c和a_p ; 步驟1-2、光投射器向被測(cè)人體表面依次投射八幅垂直格雷碼條紋編碼光、全亮和全暗 圖像,并利用CCD攝像機(jī)采集被測(cè)人體的圖像; 步驟1-3、對(duì)步驟2CCD攝像機(jī)采集的格雷碼條紋圖像二值化; 步驟1-4、根據(jù)格雷碼編解碼原理獲取被測(cè)人體表面點(diǎn)在光投射器成像面上的水平坐 標(biāo) u_p ; 步驟1-5、根據(jù)射影幾何原理求取被測(cè)人體表面的三維坐標(biāo); 步驟1-6、利用Matlab讀入步驟1-5獲取的三維坐標(biāo)數(shù)據(jù),構(gòu)造被測(cè)人體表面的外形曲 面,實(shí)現(xiàn)人體三維模型重構(gòu)。3. 根據(jù)權(quán)利要求2所述的基于立體視覺與多特征圖像檢索的電子試衣系統(tǒng),其特征在 于,步驟1-2所述的全暗圖像用于背景剔除。4. 根據(jù)權(quán)利要求1所述的基于立體視覺與多特征圖像檢索的電子試衣系統(tǒng),其特征在 于,基于多特征DS理論融合顏色、紋理和形狀特征的圖像檢索系統(tǒng)實(shí)現(xiàn)的具體方法為: 步驟2-1、分別利用顏色直方圖和顏色相關(guān)圖特征提取查詢擬查詢服裝的顏色特征,利 用灰度共生矩陣和Tamura紋理提取擬查詢服裝的紋理特征,利用Hu矩提取擬查詢服裝的 形狀特征; 步驟2-2、利用相似性度量方法分別計(jì)算:擬查詢服裝的圖像Q與圖像庫(kù)中第I幅服裝 圖像的顏色特征的相似距離(Km1, m2),擬查詢服裝的圖像Q與圖像庫(kù)中第I幅服裝圖像的 紋理特征的相似距離d(m3, m4),擬查詢服裝的圖像Q與圖像庫(kù)中第I幅服裝圖像的形狀特 征的相似距離d(m5);從圖像庫(kù)中返回十幅相似距離最小的圖像,并獲得單一特征檢索式的 查準(zhǔn)率; 步驟2-3、根據(jù)顏色特征的相似距離d(mi,m2)確定圖像庫(kù)中每幅服裝圖像的顏色特征 信任度,根據(jù)紋理特征的相似距離d(m3,m4)確定圖像庫(kù)中每幅服裝圖像的紋理特征信任 度,根據(jù)形狀特征的相似距離d(m 5)確定圖像庫(kù)中每幅服裝圖像的形狀特征信任度; 步驟2-4、對(duì)顏色特征、紋理特征和形狀特征進(jìn)行特征向量的歸一化處理; 步驟2-5、根據(jù)D-S理論獲取圖像庫(kù)中每幅服裝圖像的總信任度; 步驟2-6、根據(jù)總信任度對(duì)圖像庫(kù)中的所有服裝圖像進(jìn)行排序,根據(jù)從圖像庫(kù)中返回的 圖像計(jì)算檢索的準(zhǔn)確率,將檢索的準(zhǔn)確率與步驟2-2獲取的單一特征檢索式的查準(zhǔn)率進(jìn)行 比較,去掉單一特征檢索式的查準(zhǔn)率最低的特征,根據(jù)D-S理論重新獲取圖像庫(kù)中每幅服 裝圖像的總信任度,返回與擬查詢圖像最相似的十幅圖像。
【專利摘要】基于立體視覺與多特征圖像檢索的電子試衣系統(tǒng),屬于3D虛擬網(wǎng)絡(luò)購(gòu)物試衣領(lǐng)域;本發(fā)明為解決現(xiàn)網(wǎng)絡(luò)購(gòu)物平臺(tái)存在關(guān)鍵字檢索限制、用戶對(duì)服裝的檢索準(zhǔn)確度較低,并且用戶無法獲知衣服試穿效果、用戶對(duì)服裝選擇困難較大的問題。本發(fā)明包括基于結(jié)構(gòu)光測(cè)量技術(shù)的人體三維模型重構(gòu)系統(tǒng)和基于多特征DS理論融合顏色、紋理和形狀特征的圖像檢索系統(tǒng);基于結(jié)構(gòu)光測(cè)量技術(shù)的人體三維模型重構(gòu)系統(tǒng)用于獲取用戶的人體表面的三維坐標(biāo)數(shù)據(jù),構(gòu)造用戶人體表面的外形曲面,實(shí)現(xiàn)人體三維模型重構(gòu);基于多特征DS理論融合顏色、紋理和形狀特征的圖像檢索系統(tǒng)利用顏色、紋理和形狀特征對(duì)服裝進(jìn)行檢索。本發(fā)明用于實(shí)現(xiàn)網(wǎng)絡(luò)環(huán)境下體驗(yàn)實(shí)體店的試衣效果。
【IPC分類】G06F17/30, G06T17/00
【公開號(hào)】CN105069836
【申請(qǐng)?zhí)枴緾N201510451198
【發(fā)明人】孫曉明, 趙煙橋, 于曉洋, 劉野
【申請(qǐng)人】哈爾濱理工大學(xué)
【公開日】2015年11月18日
【申請(qǐng)日】2015年7月28日