布料色卡圖像檢索方法
【專利摘要】本發(fā)明提供一種布料色卡圖像檢索方法，包括以下步驟：(I)、構(gòu)建布料色卡圖像數(shù)據(jù)集的顏色與紋理特征粒度空間；(II)、獲取待檢索的布料色卡圖像以及提取該圖像的顏色和紋理特征信息；(III)、從布料色卡圖像粒度數(shù)據(jù)庫中檢索出與待檢索的布料色卡圖像最接近的K個最近鄰的布料色卡圖像。本發(fā)明采用伴隨二元關(guān)系的粒運算方法結(jié)合數(shù)據(jù)挖掘技術(shù)構(gòu)建具有不同粒度的布料色卡圖像粒度空間，通過基于具有不同粒度的圖像粒度空間的圖像檢索方法可以模擬人類識別與檢索圖像的方式對圖像進行多層次的分類與檢索，從而解決了目前布料制品加工領(lǐng)域中存在的找料難、檢料難、分類難的問題。
【專利說明】布料色卡圖像檢索方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及布料色卡圖像的分類與檢索【技術(shù)領(lǐng)域】，尤其涉及一種布料色卡圖像檢 索方法。

【背景技術(shù)】
[0002] 布料是與人們?nèi)粘Ｉ钕⑾⑾嚓P(guān)的一種日用品原材料。使用布料作為原材料制成 的商品種類繁多，應(yīng)用于紡織業(yè)、農(nóng)業(yè)、商業(yè)、醫(yī)療、軍工等各個領(lǐng)域。中國是布料制品消費 與生產(chǎn)大國，同時中國也是布料制品的生產(chǎn)出口大國。布料制造業(yè)是我國輕工業(yè)重要組成 部分，是傳統(tǒng)的優(yōu)勢產(chǎn)業(yè)。但是隨著技術(shù)與市場的發(fā)展，國內(nèi)外布料加工行業(yè)的競爭越來越 激烈。為了保持我國布料紡織生產(chǎn)行業(yè)在國際上的優(yōu)勢地位，必須淘汰落后的布料生產(chǎn)技 術(shù)、發(fā)展現(xiàn)有優(yōu)勢生產(chǎn)制造和管理等技術(shù)，大力提高生產(chǎn)效率與節(jié)約生產(chǎn)成本。因此，研發(fā) 具有高效和高識別率的布料色卡識別系統(tǒng)對該領(lǐng)域的發(fā)展具有非常重要的意義。
[0003] 目前，布料制品加工行業(yè)還是采用半自動化的生產(chǎn)過程。布料制品的生產(chǎn)加工過 程仍然需要耗費大量的人力財力進行人工配色、人工找料、人工瑕疵檢測、人工布料排版、 人工顏色紋理分類等工作。該些重復(fù)性的工作使得生產(chǎn)效率大大降低。具體而言存在W下 幾個主要問題：
[0004] (1)找料難：對于現(xiàn)在布料制品加工過程中要用到的原材料主要有兩種獲取方 式。一種是對于大訂單制品的生產(chǎn)原材料一般都是采用直接定制生產(chǎn)的方法。另一種是對 于中小訂單或者普通訂單制品的原材料則需要到原材料供應(yīng)市場上去找所需要的布料。對 于前者由于原材料直接定做，所W不存在找料難的問題。但是對于后者，則需要到大量的原 材料中通過人工比對方法進行尋找。人工尋找需要耗費大量的人力與財力。
[0005] (2)檢料難；對于兩種不同方法獲得的原材料，都需要對其進行檢驗的過程。對原 材料上存在的瑕疵或者短料等問題進行檢驗。當(dāng)布料原材料數(shù)量種類繁多的情況下，該將 是一項非常大而繁瑣的工作。同時由于該項工作需要較多的先驗知識，所W對于新員工并 不能很好的完成該項工作。
[0006] (3)分類難：對布料原材料的管理是一項非常重要的工作。但最由于原材料種類 繁多、數(shù)量大。所W需要對布料原材料進行在效的分類與管理工作。該項工作交由人工完 成同樣需要耗費大量人力財力。


【發(fā)明內(nèi)容】

[0007] 本發(fā)明的目的在于解決上述現(xiàn)有技術(shù)存在的缺陷，提供一種能夠簡化找料、檢料、 分類的布料色卡圖像檢索方法。
[0008] -種布料色卡圖像檢索方法，包括W下步驟：
[0009] 步驟101、構(gòu)建布料色卡圖像數(shù)據(jù)集的顏色與紋理特征粒度空間；
[0010] 步驟102、獲取待檢索的布料色卡圖像W及提取該圖像的顏色和紋理特征信息；
[0011] 步驟103、從布料色卡圖像粒度數(shù)據(jù)庫中檢索出與待檢索的布料色卡圖像最接近 的K個最近鄰的布料色卡圖像。
[0012] 進一步地，如上所述的布料色卡圖像檢索方法，所述步驟101包括：
[0013] 步驟1011、對布料色卡圖像通過掃描儀進行掃描操作和圖像裁剪，得到相應(yīng)色卡 圖像數(shù)據(jù)I;
[0014] 步驟1012、對所裁剪得到布料色卡圖像數(shù)據(jù)I提取圖像的位置與RGB顏色分量信 息；
[0015] 步驟1013、對從圖像I中提取到圖像的位置與RGB顏色分量信息通過利用顏色模 型（化ue，Sa化ration, Value, W下簡稱：服V)分塊量化得到的顏色直方圖作為該圖像的顏 色特征，共有300個；
[0016] 步驟1014、對圖像I進行局部二值模式（Local Binary化ttern, W下簡稱；LBFO 編碼描述圖像紋理信息，并采用直方圖方法描述圖像I的紋理特征，共有256個；
[0017] 步驟1015、將圖像I的顏色和紋理直方圖特征信息保存到相應(yīng)的數(shù)據(jù)庫中；
[0018] 步驟1016、重復(fù)上述步驟1011到1015,直到給定的布料色卡圖像的顏色和紋理特 征全部處理完畢；
[0019] 步驟1017、所獲得的布料色卡圖像的顏色和紋理特征信息表構(gòu)成了一個圖像特征 信息系統(tǒng)，對該圖像特征信息系統(tǒng)采用伴隨二元關(guān)系的粒運算方法結(jié)合數(shù)據(jù)挖掘技術(shù)進行 粒化與粒運算，W構(gòu)建圖像的特征粒度空間；所述步驟103包括：
[0020] 步驟1031 ;確定檢索的有關(guān)參數(shù)，包括特征子集劃分個數(shù)與聚類個數(shù)；
[0021] 步驟1032 ;按照上述參數(shù)的設(shè)定，通過基于布料色卡圖像的顏色紋理粒度空間提 出一種檢索方法，檢索出滿足與待檢索的圖像最相似的K個近鄰圖像作為檢索結(jié)果；
[002引步驟1033 ;按照相似程度由大到小展示給用戶。
[0023] 進一步地，如上所述的布料色卡圖像檢索方法，步驟1017中所述構(gòu)建圖像的特征 粒度空間構(gòu)建包括基于顏色特征的圖像粒度空間的構(gòu)建，其構(gòu)建方法包括W下步驟：
[0024] 步驟a ;根據(jù)步驟1013所獲取的300個顏色特征直方圖的數(shù)據(jù)進行統(tǒng)計，按照由 大到小的次序排列，稱為顏色特征序集；
[0025] 步驟b ;依據(jù)參數(shù)設(shè)置的顏色特征子集劃分個數(shù)來對由大到小的顏色特征進行分 組，稱為顏色特征序組，記為AC = IA, Cs, . . .，Ccc};
[0026] 步驟C ;首先，按照顏色特征序組第一元素Cl對應(yīng)的顏色特征直方圖數(shù)據(jù)值對圖 像論域進行K-最近鄰化-nearest-nei曲bor，W下簡稱；KNN)聚類，由此構(gòu)建基于顏色特征 的粒度空間中的第一層信息粒；其次，對第一層每個信息粒根據(jù)顏色特征序組中的C,元素 通過腳W聚類對信息粒進行粒的變細(xì)運算，生成粒度空間中的第二層信息粒；最后，對任意 第i G {1，C口層信息粒，如果該層的第j個信息粒.G;.的基數(shù)|G;|小于給定K最近鄰參數(shù)， 那么該信息粒就不再進行變細(xì)運算，否則重復(fù)上述過程直到顏色特征序組中所有元素全部 使用完為止或者沒有任何需要進行變細(xì)運算的信息粒為止。
[0027] 進一步地，如上所述的布料色卡圖像檢索方法，步驟1017中所述構(gòu)建圖像的特征 粒度空間構(gòu)建包括基于LBP紋理特征的圖像粒度空間的構(gòu)建，其構(gòu)建方法包括W下步驟：
[0028] 步驟a ;根據(jù)步驟1014所獲取的256個基于LBP的紋理特征直方圖的數(shù)據(jù)進行統(tǒng) 計，按照由大到小的次序排列，稱為紋理特征序集；
[0029] 步驟b ;依據(jù)參數(shù)設(shè)置的紋理特征子集劃分個數(shù)來對由大到小的紋理特征進行按 序分組，稱為紋理特征序組，記為AT = {Ti，T2, . . .，TtJ ;
[0030] 步驟C ;首先按照紋理特征序組中的第一元素Tl對應(yīng)的紋理特征直方圖的數(shù)據(jù)值 對圖像論域進行腳W聚類，由此構(gòu)建基于紋理特征的粒度空間的第一層信息粒；對第一層 每個信息粒根據(jù)紋理特征序組中的了2元素通過腳W聚類進行信息粒的變細(xì)運算，生成粒度 空間中的第二層信息粒；對任意第i G U，T口層信息粒，如果該層的第j個信息粒Gi的基 數(shù)|G;.|小于給定K最近鄰參數(shù)，然么該信息粒就不再進行變細(xì)運算，否則重復(fù)上述過程直到 紋理特征序組中所有元素全部使用完為止或者沒有需要進行變細(xì)運算的信息粒為止。
[0031] 進一步地，如上所述的布料色卡圖像檢索方法，步驟1017中所述構(gòu)建圖像的特征 粒度空間包括基于先顏色再紋理混合特征的圖像粒度空間的構(gòu)建，其構(gòu)建方法包括W下步 驟：
[0032] 步驟a ;根據(jù)步驟1013所獲取的300個顏色特征直方圖的數(shù)據(jù)構(gòu)建基于顏色特征 的信息粒，即W全部的300個顏色特征按照腳W聚類技術(shù)進行粒的細(xì)化運算，構(gòu)建基于顏色 特征的信息粒，即混合特征粒度空間的第一層信息粒；
[0033] 步驟b ;根據(jù)步驟1014所獲取的256個基于LBP的紋理特征直方圖的數(shù)據(jù)進行統(tǒng) 計，按照由大到小的次序排列，稱為紋理特征序集；
[0034] 步驟C ;依據(jù)參數(shù)設(shè)置的紋理特征子集劃分個數(shù)來對由大到小的紋理特征進行按 序分組，稱為紋理特征序組，記為AT = {Ti，T2, . . .，TtJ ;
[00巧]步驟d ;對第一層每個信息粒根據(jù)紋理特征序組中的Tl元素通過腳W聚類進行信 息粒的變細(xì)運算，生成粒度空間中的第二層信息粒；對任意第i e U，TC}層信息粒，如果該 層的第j個信息粒G;的基數(shù)例小于給定K最近鄰參數(shù)，然么該信息粒就不再進行變細(xì)運 算，否則重復(fù)上述過程直到紋理特征序組中所有元素全部使用完為止或者沒有需要進行變 細(xì)運算的信息粒為止。
[0036] 進一步地，如上所述的布料色卡圖像檢索方法，步驟1017中所述構(gòu)建圖像的特征 粒度空間包括基于先LBP紋理再顏色混合特征的圖像粒度空間的構(gòu)建，其構(gòu)建方法包括W 下步驟：
[0037] 步驟a ;根據(jù)步驟1014所獲取的256個基于LBP的紋理特征直方圖的數(shù)據(jù)構(gòu)建基 于紋理特征的信息粒，即W全部的256個紋理特征按照腳W聚類技術(shù)進行粒的細(xì)化運算，構(gòu) 建基于紋理特征的信息粒，即混合特征粒度空間的第一層信息粒；
[0038] 步驟b ;根據(jù)步驟1013所獲取的300個顏色特征直方圖的數(shù)據(jù)進行統(tǒng)計，按照由 大到小的次序排列，稱為顏色特征序集；
[0039] 步驟C ;依據(jù)參數(shù)設(shè)置的顏色特征子集劃分個數(shù)來對由大到小的顏色特征進行分 組，稱為顏色特征序組，記為AC = IA, Cs, . . .，Ccc};
[0040] 步驟d ;對第一層每個信息粒根據(jù)顏色特征序組中的Cl元素通過腳W聚類對信息 粒進行粒的變細(xì)運算，生成粒度空間中的第二層信息粒；對任意第i e U，CC}層信息粒，女口 果該層的第j個信息粒的基數(shù)|G;|小于給定K最近鄰參數(shù)，然么該信息粒就不再進行變 細(xì)運算，否則重復(fù)上述過程直到顏色特征序組中所有元素全部使用完為止或者沒有任何需 要進行變細(xì)運算的信息粒為止。
[0041] 進一步地，如上所述的布料色卡圖像檢索方法，所述檢索方法包括：
[0042] 步驟①，獲取顏色特征粒度空間中圖像的顏色特征序組信息，且默認(rèn)論域為最粗 倍息粒G ;
[0043] 步驟②，按序取出顏色特征序組中的顏色特征子集，W此顏色特征子集的圖像顏 色直方圖數(shù)據(jù)計算卡方測度，找出待檢索的圖像顏色特征粒度空間中信息粒G的細(xì)化層次 中最相似的信息粒fG ;
[0044] 步驟③，判斷該信息粒fG的基數(shù)是否滿足待檢索出的K最近鄰的參數(shù)，或fG是圖 像顏色特征粒度空間中最低層的信息粒，如果fG的基數(shù)小于等于K最近鄰參數(shù)或fG是最 低層的信息粒，則檢索算法結(jié)束，否則將信息粒fG作為待檢索的信息粒G，重復(fù)步驟②-③， 直到fG的基數(shù)小于等于K最近鄰參數(shù)或fG是最低層的信息粒。
[0045] 進一步地，如上所述的布料色卡圖像檢索方法，所述檢索方法包括：
[0046] 步驟①，獲取紋理特征粒度空間中圖像的紋理特征序組信息，且默認(rèn)論域為最粗 倍息粒G ;
[0047] 步驟②，按序取出紋理特征序組中的即紋理特征子集，W此紋理特征子集的圖像 紋理特征直方圖數(shù)據(jù)計算卡方測度，找出待檢索的圖像紋理特征粒度空間中信息粒G的細(xì) 化層次中最相似的信息粒fG ;
[0048] 步驟③，判斷該信息粒fG的基數(shù)是否滿足待檢索出的K最近鄰的參數(shù)，或fG是圖 像紋理特征粒度空間中最低層的信息粒，如fG的基數(shù)小于等于K最近鄰參數(shù)或fG是最低 層的信息粒，則檢索算法結(jié)束，則將信息粒fG作為待檢索的信息粒G，重復(fù)步驟②-③，直到 fG的基數(shù)小于等于K最近鄰參數(shù)或fG是最低層的信息粒。
[0049] 進一步地，如上所述的布料色卡圖像檢索方法，其特征在于，所述檢索方法包括：
[0050] 步驟①，根據(jù)待檢索的全部顏色特征直方圖數(shù)據(jù)，采用卡方計算相似測度，在基于 先顏色再LBP紋理混合特征的粒度空間第一層中找出與待檢索圖像最相似的信息粒G ;
[0051] 步驟②，按序取出紋理特征序組，即紋理特征子集，W此紋理特征子集的圖像顏色 直方圖數(shù)據(jù)計算卡方測度，找出待檢索的先顏色再LBP紋理混合特征的粒度空間中信息粒 G的細(xì)化層次中最相似的信息粒fG ;
[0052] 步驟③，判斷該信息粒fG的基數(shù)是否滿足待檢索出的K最近鄰的參數(shù)，或fG是先 顏色再LBP紋理混合特征的粒度空間最低層的信息粒，如fG的基數(shù)小于等于K最近鄰參數(shù) 或fG是最低層的信息粒，則檢索算法結(jié)束，否則讓信息粒fG作為待檢索的信息粒G，重復(fù)步 驟②-③，直到fG的基數(shù)小于等于K最近鄰參數(shù)或fG是最低層的信息粒。
[0053] 進一步地，如上所述的布料色卡圖像檢索方法，所述檢索方法包括：
[0054] 步驟①，根據(jù)待檢索的全部LBP紋理特征直方圖數(shù)據(jù)，采用卡方計算相似測度，在 基于先LBP紋理再顏色混合特征的粒度空間中第一層中找出與待檢索圖像最相似的信息 粒G ;
[0055] 步驟②，按序取出顏色特征序組，即顏色特征子集，W此顏色特征子集的圖像顏色 直方圖數(shù)據(jù)計算卡方測度，找出待檢索的先LBP紋理再顏色混合特征的粒度空間中信息粒 G的細(xì)化層次中最相似的信息粒fG ;
[0056] 步驟③，判斷該信息粒fG的基數(shù)是否滿足待檢索出的K最近鄰的參數(shù)，或fG是先 LBP紋理再顏色混合特征的粒度空間最低層的信息粒，如fG的基數(shù)小于等于K最近鄰參數(shù) 或fG是最低層的信息粒，則檢索算法結(jié)束，否則讓信息粒fG作為待檢索的信息粒G，重復(fù)步 驟②-③，直到fG的基數(shù)小于等于K最近鄰參數(shù)或fG是最低層的信息粒。
[0057] 本發(fā)明提供給的布料色卡圖像檢索方法，解決了布料制品加工領(lǐng)域中存在的找料 難、檢料難、分類難的問題。同時本發(fā)明還具有W下有益效果：
[0058] (1) -致：人工進行找料、檢料、分類的工作會受到操作人員的工作經(jīng)驗、情緒、認(rèn) 知能力等主觀因素的影響，使得不同的操作工人進行找料、檢料W及分類的標(biāo)準(zhǔn)與結(jié)果不 同。計算機可W避免人工操作中的主觀因素，使得對于同一標(biāo)準(zhǔn)下進行的相同操作可W保 證一致性。
[0059] (2)高效；由于人的精力W及人腦的計算能力的限制，使得進行找料、檢料、分類 的工作效率較為低下。而計算機在給定的計算法則下的計算速度遠(yuǎn)遠(yuǎn)高于人腦，而且不受 體力的限制。所W相比于人工操作，計算機的工作具有高效性的特點。同時計算機可W利 用強大的關(guān)聯(lián)存儲能力迅速找到與布料相關(guān)的信息。
[0060] (3)成本低；與人工的耗時、耗力相比，計算機進行找料、檢料、分類工作既省時又 省力。可W大大降低成本。

【專利附圖】

【附圖說明】
[0061] 圖1為本發(fā)明顏色與LBP紋理特征相結(jié)合的多粒度布料色卡圖像檢索方法流程 圖。

【具體實施方式】
[0062] 為使本發(fā)明的目的、技術(shù)方案和優(yōu)點更加清楚，下面對本發(fā)明中的技術(shù)方案進行 清楚、完整地描述，顯然，所描述的實施例是本發(fā)明一部分實施例，而不是全部的實施例?；?于本發(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動前提下所獲得的所有其 他實施例，都屬于本發(fā)明保護的范圍。
[0063] 圖1為本發(fā)明顏色與LBP紋理特征相結(jié)合的多粒度布料色卡圖像檢索方法流程 圖，如圖1所示，本發(fā)明提供的布料色卡圖像檢索方法，包括W下步驟：
[0064] 步驟101、構(gòu)建布料色卡圖像數(shù)據(jù)集的顏色與紋理特征粒度空間；
[0065] 步驟102、獲取待檢索的布料色卡圖像W及提取該圖像的顏色和紋理特征信息；
[0066] 步驟103、從布料色卡圖像粒度數(shù)據(jù)庫中檢索出與待檢索的布料色卡圖像最接近 的K個最近鄰的布料色卡圖像。
[0067] 下面對本發(fā)明進行詳細(xì)闡述：
[0068] 第一步驟：布料色卡標(biāo)準(zhǔn)圖像粒度數(shù)據(jù)庫的建立。該步驟具體包括W下幾步：
[0069] (1)對布料色卡圖像通過掃描儀進行掃描操作和圖像裁剪，得到相應(yīng)色卡圖像數(shù) 據(jù)I;
[0070] (2)對所裁剪得到布料色卡圖像I提取圖像的位置與RGB顏色分量信息；
[0071] (3)對從圖像I中提取到圖像的位置與RGB顏色分量信息通過利用HSV分塊量化 得到的顏色直方圖作為該圖像的顏色特征，共有300個；
[0072] (4)對圖像I進行LBP編碼描述圖像紋理信息，并采用直方圖方法描述圖像I的紋 理特征，共有256個；
[0073] (5)將圖像I的顏色和紋理直方圖特征信息保存到相應(yīng)的數(shù)據(jù)庫中；
[0074] (6)重復(fù)上述步驟（1)到巧），直到給定的布料色卡圖像的顏色和紋理特征全部處 理完畢；
[0075] (7)所獲得的布料色卡圖像的顏色和紋理特征信息表構(gòu)成了一個圖像特征信息系 統(tǒng)。對該圖像特征信息系統(tǒng)采用伴隨二元關(guān)系的粒運算方法結(jié)合數(shù)據(jù)挖掘技術(shù)進行粒度的 變細(xì)運算，W構(gòu)建圖像的顏色與紋理特征粒度空間，形成具有不同粒度大小的圖像粒度。
[0076] 什么是粒？從信息科學(xué)觀點，人類在處理大量復(fù)雜信息時，總是把大量復(fù)雜信息 按其各自的特征和性能將其分成若干較簡單的塊，而每個如此分出來的塊被稱之為信息 粒。粒計算（Granular Computing, GrC)是當(dāng)前智能信息處理領(lǐng)域中模擬人類思考問題的 一個研究方向，其基本思想是W降低問題復(fù)雜性為目的，通過選擇合適的粒度來找到較好 的問題解決方案，主要研究內(nèi)容集中在粒度結(jié)構(gòu)表示和問題求解兩個方面。粒其實指的是 論域通過功能關(guān)系、相似關(guān)系和近鄰關(guān)系等形成的子集或者簇。
[0077] 聚類是將物理或抽象對象的集合分組成為由類似對象組成的多個類，每一個類稱 為一個簇。在同一個簇內(nèi)對象之間具有同質(zhì)性，而不同簇中的對象具有異質(zhì)性。從粒度的 角度看，聚類就是在一個統(tǒng)一的粒度下分析和處理問題。
[0078] 伴隨二元關(guān)系的信息粒是粒計算的運算體制中的一種類型的粒，基于該種類型粒 的運算包括信息粒的加細(xì)、加粗，并、交和差等運算方法。基于伴隨二元關(guān)系的信息粒的運 算可W實現(xiàn)粒度分層和不同粒度之間的相互轉(zhuǎn)換等處理。
[0079] 上述（7)步驟就是通過基于粒計算方法來模擬人類實現(xiàn)信息（布料色卡圖像）檢 索的策略，其最大的益處就是能盡可能快速和準(zhǔn)確地檢索出所需要的信息（布料色卡），即 首先通過對所生成的圖像特征信息系統(tǒng)采用聚類技術(shù)和伴隨二元關(guān)系的粒運算來構(gòu)建基 于顏色和/或紋理特征的粒度空間，然后模擬人類采用的由粗到細(xì)不斷求精的策略來檢索 滿足要求的信息。具體如何實現(xiàn)粒度空間的構(gòu)建將在后續(xù)伴隨二元關(guān)系的圖像特征粒度空 間構(gòu)建相關(guān)部分中進行描述。
[0080] 第二步驟：是獲取待檢索的布料色卡圖像及提取圖像的顏色和紋理特征信息。該 步驟主要包括；（1)待檢索的布料色卡圖像的獲取。目前主要采用的手段包括：1)對原始布 料色卡通過掃描儀進行掃描來獲??；2)通過對已經(jīng)存儲的電子照片W圖像文件的方式來 獲取。（2)提取待檢索的布料色卡圖像的顏色與紋理特征。待檢索布料色卡圖像特征的獲 取采用的是上述第一步驟中的第2小步至第4小步的方法。
[0081] 第H步驟；是從現(xiàn)有的布料色卡圖像粒度數(shù)據(jù)庫中檢索出與待檢索的布料色卡圖 像最接近的K個最近鄰的標(biāo)準(zhǔn)布料色卡圖像。該步驟主要包括：
[0082] (1)確定檢索的有關(guān)參數(shù)，如最小近鄰個數(shù)參數(shù)K、被檢索粒度空間的選擇等；
[0083] (2)按照上述參數(shù)的設(shè)定，通過基于布料色卡圖像的顏色和/或紋理粒度空間提 出一種檢索方法，檢索出滿足與待檢索的圖像最相似的K個近鄰圖像作為檢索結(jié)果；
[0084] (3)檢索結(jié)果的反饋：即按照相似程度由大到小展示給用戶。如果沒有任何滿足 用戶檢索條件的圖像，系統(tǒng)也會提供相應(yīng)的反饋信息。
[0085] 下面對發(fā)明的布料色卡圖像檢索方法進行具體闡述。
[0086] ( -）圖像特征信息系統(tǒng)的粒度空間和伴隨二元關(guān)系的信息粒運算
[0087] (I)顏色和LBP紋理特征的布料色卡圖像信息系統(tǒng)
[0088] 定義圖像信息系統(tǒng)為一個四元組，該四元組用CSIS表示，CSIS =扣，AC U AT, V， f)，其中U表示論域，即本發(fā)明研究W及實驗所用到的非空圖像集合，信息系統(tǒng)中的各個圖 像通過數(shù)據(jù)庫中的編號屬性（ID) W及名稱屬性唯一標(biāo)識一幅圖像。A = AC U AT是非空圖 像屬性（條件屬性）集。AC表示圖像的顏色特征集合，AT表示圖像的紋理特征集合。V是 非空特征值集合；f是信息函數(shù)，即對任意屬性a G A，設(shè)該屬性的值域記為V。，那么存在函 數(shù) f ;U - V。。
[0089] (2)圖像信息系統(tǒng)的?；c信息粒運算
[0090] 伴隨二元關(guān)系的信息粒：
[0091] 給定圖像信息系統(tǒng)CSIS = (U，AC U AT, V，f)，設(shè)W屬性子集公C ^為論域的二 元等價關(guān)系，則該二元等價關(guān)系對論域U的劃分是一組論域?qū)ο蟮淖蛹兀洖閚 =祐1， Ga,. . .，Gj，有化=1 Gh = U 八 Gi n Gj = 4)，i，j = 1，2,. . .，k，i 聲 j，稱 Gy i = 1，2,...， k為二元關(guān)系B下的一個信息粒。
[0092] 伴隨二元關(guān)系的信息粒運算----粒的變細(xì)運算：
[0093] 假設(shè)信息粒Gc為二元關(guān)系公下產(chǎn)生的粒，又設(shè)信息粒Gs為二元關(guān)系 Sc ^ A公下產(chǎn)生的粒且Gs e Gs，那么由信息粒Gc轉(zhuǎn)化為信息粒Gs的過程稱為在細(xì)化 二元關(guān)系S下的變細(xì)運算，記為，即有Gs 。本發(fā)明信息粒的變細(xì)運算是借 助數(shù)據(jù)挖掘技術(shù)中的KNN聚類技術(shù)實現(xiàn)。
[0094] 伴隨二元關(guān)系的信息粒運算----粒的變粗運算：
[0095] 假設(shè)信息粒Gb為二元關(guān)系占巨^下產(chǎn)生的粒，又設(shè)信息粒Gs為二元關(guān)系 S C ^ AS ￡公下產(chǎn)生的粒且Gs S Gs，那么由信息粒Gb轉(zhuǎn)化為信息粒Gs的過程稱為在粗化 二元關(guān)系S下的變粗運算，記為'即有％-"G站旅荀-K具體實現(xiàn)粒的變粗運算也可W 采用層次聚類技術(shù)，但在本發(fā)現(xiàn)的實施例中只需要粒的變細(xì)運算。
[0096] K順聚類的相似度（距離）測度
[0097] 發(fā)明實現(xiàn)信息粒的變細(xì)運算是借助數(shù)據(jù)挖掘技術(shù)中的腳W聚類技術(shù)實現(xiàn)。而采用 腳W聚類技術(shù)需要一個測量兩個對象之間相似度（距離）的測度。本發(fā)明考慮針對是布料 色卡圖像的特征信息來衡量兩幅圖像之間的相似度，所W采用圖像顏色與紋理特征的直方 圖數(shù)據(jù)之間的卡方計算作為相似性測度。
[009引設(shè)給定圖像特征子集:S e ^，記基數(shù)L = I B I，那么任意兩張圖像H，I關(guān)于在特征 子集B上直方圖數(shù)據(jù)卡方統(tǒng)計是計算兩個直方圖在對應(yīng)特征子集上區(qū)別度的累加和，具體 的計算公式如下：
[0099]

【權(quán)利要求】
1. 一種布料色卡圖像檢索方法，其特征在于，包括以下步驟： 步驟101、構(gòu)建布料色卡圖像數(shù)據(jù)集的顏色與紋理特征粒度空間； 步驟102、獲取待檢索的布料色卡圖像以及提取該圖像的顏色和紋理特征信息； 步驟103、從布料色卡圖像粒度數(shù)據(jù)庫中檢索出與待檢索的布料色卡圖像最接近的K 個最近鄰的布料色卡圖像。
2. 根據(jù)權(quán)利要求1所述的布料色卡圖像檢索方法，其特征在于，所述步驟101包括： 步驟1011、對布料色卡圖像通過掃描儀進行掃描操作和圖像裁剪，得到相應(yīng)色卡圖像 數(shù)據(jù)I ; 步驟1012、對所裁剪得到布料色卡圖像數(shù)據(jù)I提取圖像的位置與RGB顏色分量信息； 步驟1013、對從圖像I中提取到圖像的位置與RGB顏色分量信息通過利用HSV分塊量 化得到的顏色直方圖作為該圖像的顏色特征，共有300個； 步驟1014、對圖像I進行LBP編碼描述圖像紋理信息，并采用直方圖方法描述圖像I的 紋理特征，共有256個； 步驟1015、將圖像I的顏色和紋理直方圖特征信息保存到相應(yīng)的數(shù)據(jù)庫中； 步驟1016、重復(fù)上述步驟1011到1015,直到給定的布料色卡圖像的顏色和紋理特征全 部處理完畢； 步驟1017、所獲得的布料色卡圖像的顏色和紋理特征信息表構(gòu)成了一個圖像特征信息 系統(tǒng)，對該圖像特征信息系統(tǒng)采用伴隨二元關(guān)系的粒運算方法結(jié)合數(shù)據(jù)挖掘技術(shù)進行粒化 與粒運算，以構(gòu)建圖像的特征粒度空間；所述步驟103包括： 步驟1031 :確定檢索的有關(guān)參數(shù)，包括特征子集劃分個數(shù)與聚類個數(shù)； 步驟1032 :按照上述參數(shù)的設(shè)定，通過基于布料色卡圖像的顏色紋理粒度空間提出一 種檢索方法，檢索出滿足與待檢索的圖像最相似的K個近鄰圖像作為檢索結(jié)果； 步驟1033 :按照相似程度由大到小展示給用戶。
3. 根據(jù)權(quán)利要求2所述的布料色卡圖像檢索方法，其特征在于，步驟1017中所述構(gòu)建 圖像的特征粒度空間構(gòu)建包括基于顏色特征的圖像粒度空間的構(gòu)建，其構(gòu)建方法包括以下 步驟： 步驟a :根據(jù)步驟1013所獲取的300個顏色特征直方圖的數(shù)據(jù)進行統(tǒng)計，按照由大到 小的次序排列，稱為顏色特征序集； 步驟b:依據(jù)參數(shù)設(shè)置的顏色特征子集劃分個數(shù)來對由大到小的顏色特征進行分組， 稱為顏色特征序組，記為AC = IC1, C2, ...，CcJ ; 步驟c :首先，按照顏色特征序組第一元素 C1對應(yīng)的顏色特征直方圖數(shù)據(jù)值對圖像論 域進行KNN聚類，由此構(gòu)建基于顏色特征的粒度空間中的第一層信息粒；其次，對第一層每 個信息粒根據(jù)顏色特征序組中的C2元素通過KNN聚類對信息粒進行粒的變細(xì)運算，生成粒 度空間中的第二層信息粒；最后，對任意第i e {1，CC}層信息粒，如果該層的第j個信息粒 的基數(shù)|G;.|小、于給定K最近鄰參數(shù)，那么該信息粒就不再進行變細(xì)運算，否則重復(fù)上述 過程直到顏色特征序組中所有元素全部使用完為止或者沒有任何需要進行變細(xì)運算的信 息粒為止。
4. 根據(jù)權(quán)利要求2所述的布料色卡圖像檢索方法，其特征在于，步驟1017中所述構(gòu)建 圖像的特征粒度空間構(gòu)建包括基于LBP紋理特征的圖像粒度空間的構(gòu)建，其構(gòu)建方法包括 以下步驟： 步驟a :根據(jù)步驟1014所獲取的256個基于LBP的紋理特征直方圖的數(shù)據(jù)進行統(tǒng)計， 按照由大到小的次序排列，稱為紋理特征序集； 步驟b :依據(jù)參數(shù)設(shè)置的紋理特征子集劃分個數(shù)來對由大到小的紋理特征進行按序分 組，稱為紋理特征序組，記為AT = IT1, T2, ...，TtJ ; 步驟c :首先按照紋理特征序組中的第一元素 T1對應(yīng)的紋理特征直方圖的數(shù)據(jù)值對圖 像論域進行KNN聚類，由此構(gòu)建基于紋理特征的粒度空間的第一層信息粒；對第一層每個 信息粒根據(jù)紋理特征序組中的T2元素通過KNN聚類進行信息粒的變細(xì)運算，生成粒度空間 中的第二層信息粒；對任意第i e {1，TC}層信息粒，如果該層的第j個信息?！?；的基數(shù)|g| 小于給定K最近鄰參數(shù)，然么該信息粒就不再進行變細(xì)運算，否則重復(fù)上述過程直到紋理 特征序組中所有元素全部使用完為止或者沒有需要進行變細(xì)運算的信息粒為止。
5. 根據(jù)權(quán)利要求2所述的布料色卡圖像檢索方法，其特征在于，步驟1017中所述構(gòu)建 圖像的特征粒度空間包括基于先顏色再紋理混合特征的圖像粒度空間的構(gòu)建，其構(gòu)建方法 包括以下步驟： 步驟a :根據(jù)步驟1013所獲取的300個顏色特征直方圖的數(shù)據(jù)構(gòu)建基于顏色特征的信 息粒，即以全部的300個顏色特征按照KNN聚類技術(shù)進行粒的細(xì)化運算，構(gòu)建基于顏色特征 的信息粒，即混合特征粒度空間的第一層信息粒； 步驟b :根據(jù)步驟1014所獲取的256個基于LBP的紋理特征直方圖的數(shù)據(jù)進行統(tǒng)計， 按照由大到小的次序排列，稱為紋理特征序集； 步驟c :依據(jù)參數(shù)設(shè)置的紋理特征子集劃分個數(shù)來對由大到小的紋理特征進行按序分 組，稱為紋理特征序組，記為AT = IT1, T2, ...，TtJ ; 步驟d :對第一層每個信息粒根據(jù)紋理特征序組中的T1元素通過KNN聚類進行信息粒 的變細(xì)運算，生成粒度空間中的第二層信息粒；對任意第i e {1，TC}層信息粒，如果該層的 第j個信息粒0的基數(shù)I小于給定K最近鄰參數(shù)，然么該信息粒就不再進行變細(xì)運算，否 則重復(fù)上述過程直到紋理特征序組中所有元素全部使用完為止或者沒有需要進行變細(xì)運 算的信息粒為止。
6. 根據(jù)權(quán)利要求2所述的布料色卡圖像檢索方法，其特征在于，步驟1017中所述構(gòu)建 圖像的特征粒度空間包括基于先LBP紋理再顏色混合特征的圖像粒度空間的構(gòu)建，其構(gòu)建 方法包括以下步驟： 步驟a :根據(jù)步驟1014所獲取的256個基于LBP的紋理特征直方圖的數(shù)據(jù)構(gòu)建基于紋 理特征的信息粒，即以全部的256個紋理特征按照KNN聚類技術(shù)進行粒的細(xì)化運算，構(gòu)建基 于紋理特征的信息粒，即混合特征粒度空間的第一層信息粒； 步驟b :根據(jù)步驟1013所獲取的300個顏色特征直方圖的數(shù)據(jù)進行統(tǒng)計，按照由大到 小的次序排列，稱為顏色特征序集； 步驟c :依據(jù)參數(shù)設(shè)置的顏色特征子集劃分個數(shù)來對由大到小的顏色特征進行分組， 稱為顏色特征序組，記為AC = IC1, C2, ...，CcJ ; 步驟d :對第一層每個信息粒根據(jù)顏色特征序組中的C1元素通過KNN聚類對信息粒進 行粒的變細(xì)運算，生成粒度空間中的第二層信息粒；對任意第i e {1，CC}層信息粒，如果 該層的第j個信息粒的基數(shù)小于給定K最近鄰參數(shù)，然么該信息粒就不再進行變細(xì)運 算，否則重復(fù)上述過程直到顏色特征序組中所有元素全部使用完為止或者沒有任何需要進 行變細(xì)運算的信息粒為止。
7. 根據(jù)權(quán)利要求3所述的布料色卡圖像檢索方法，其特征在于，所述檢索方法包括： 步驟①，獲取顏色特征粒度空間中圖像的顏色特征序組信息，且默認(rèn)論域為最粗信息 粒G ; 步驟②，按序取出顏色特征序組中的顏色特征子集，以此顏色特征子集的圖像顏色直 方圖數(shù)據(jù)計算卡方測度，找出待檢索的圖像顏色特征粒度空間中信息粒G的細(xì)化層次中最 相似的信息粒fG ; 步驟③，判斷該信息粒fG的基數(shù)是否滿足待檢索出的K最近鄰的參數(shù)，或fG是圖像顏 色特征粒度空間中最低層的信息粒，如果fG的基數(shù)小于等于K最近鄰參數(shù)或fG是最低層 的信息粒，則檢索算法結(jié)束，否則將信息粒fG作為待檢索的信息粒G，重復(fù)步驟②-③，直到 fG的基數(shù)小于等于K最近鄰參數(shù)或fG是最低層的信息粒。
8. 根據(jù)權(quán)利要求4所述的布料色卡圖像檢索方法，其特征在于，所述檢索方法包括： 步驟①，獲取紋理特征粒度空間中圖像的紋理特征序組信息，且默認(rèn)論域為最粗信息 粒G ; 步驟②，按序取出紋理特征序組中的即紋理特征子集，以此紋理特征子集的圖像紋理 特征直方圖數(shù)據(jù)計算卡方測度，找出待檢索的圖像紋理特征粒度空間中信息粒G的細(xì)化層 次中最相似的信息粒fG ; 步驟③，判斷該信息粒fG的基數(shù)是否滿足待檢索出的K最近鄰的參數(shù)，或fG是圖像紋 理特征粒度空間中最低層的信息粒，如fG的基數(shù)小于等于K最近鄰參數(shù)或fG是最低層的 信息粒，則檢索算法結(jié)束，則將信息粒fG作為待檢索的信息粒G，重復(fù)步驟②-③，直到fG 的基數(shù)小于等于K最近鄰參數(shù)或fG是最低層的信息粒。
9. 根據(jù)權(quán)利要求5所述的布料色卡圖像檢索方法，其特征在于，所述檢索方法包括： 步驟①，根據(jù)待檢索的全部顏色特征直方圖數(shù)據(jù)，采用卡方計算相似測度，在基于先顏 色再LBP紋理混合特征的粒度空間第一層中找出與待檢索圖像最相似的信息粒G ; 步驟②，按序取出紋理特征序組，即紋理特征子集，以此紋理特征子集的圖像顏色直方 圖數(shù)據(jù)計算卡方測度，找出待檢索的先顏色再LBP紋理混合特征的粒度空間中信息粒G的 細(xì)化層次中最相似的信息粒fG ; 步驟③，判斷該信息粒fG的基數(shù)是否滿足待檢索出的K最近鄰的參數(shù)，或fG是先顏 色再LBP紋理混合特征的粒度空間最低層的信息粒，如fG的基數(shù)小于等于K最近鄰參數(shù)或 fG是最低層的信息粒，則檢索算法結(jié)束，否則讓信息粒fG作為待檢索的信息粒G，重復(fù)步驟 ②-③，直到fG的基數(shù)小于等于K最近鄰參數(shù)或fG是最低層的信息粒。
10. 根據(jù)權(quán)利要求6所述布料色卡圖像檢索方法，其特征在于，所述檢索方法包括： 步驟①，根據(jù)待檢索的全部LBP紋理特征直方圖數(shù)據(jù)，采用卡方計算相似測度，在基于 先LBP紋理再顏色混合特征的粒度空間中第一層中找出與待檢索圖像最相似的信息粒G ; 步驟②，按序取出顏色特征序組，即顏色特征子集，以此顏色特征子集的圖像顏色直方 圖數(shù)據(jù)計算卡方測度，找出待檢索的先LBP紋理再顏色混合特征的粒度空間中信息粒G的 細(xì)化層次中最相似的信息粒fG ; 步驟③，判斷該信息粒fG的基數(shù)是否滿足待檢索出的K最近鄰的參數(shù)，或fG是先LBP 紋理再顏色混合特征的粒度空間最低層的信息粒，如fG的基數(shù)小于等于K最近鄰參數(shù)或 fG是最低層的信息粒，則檢索算法結(jié)束，否則讓信息粒fG作為待檢索的信息粒G，重復(fù)步驟 ②-③，直到fG的基數(shù)小于等于K最近鄰參數(shù)或fG是最低層的信息粒。
【文檔編號】G06F17/30GK104331447SQ201410587692
【公開日】2015年2月4日 申請日期:2014年10月29日 優(yōu)先權(quán)日:2014年10月29日
【發(fā)明者】邱桃榮, 邱銘達(dá), 蔡征兵, 肖勇峰 申請人:邱桃榮, 邱銘達(dá)