一種布料圖像顏色特征提取方法
【專利摘要】本發(fā)明涉及一種布料圖像顏色特征提取方法。該方法在進行圖像顏色量化等級劃分時提出了基于主色聚類方法的改進顏色空間量化方法，可以對圖像中各個像素的顏色進行更好的灰度量化工作。同時，采用了主色權(quán)重直方圖的方法提取圖像的主色直方圖以及各個主色的顏色占比信息，從而提高布料圖像檢索的準確性，高效地檢索出滿足用戶的布料圖像。
【專利說明】一種布料圖像顏色特征提取方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及圖像處理技術(shù)，具體涉及布料圖像顏色特征提取方法。

【背景技術(shù)】
[0002] 箱包企業(yè)需要經(jīng)常性和大批量進行原材料的采購，而眾多的布料供應(yīng)商店經(jīng)常需 要從大量的布料色卡中尋找滿足客戶需要的各類布料。采用人工方式來比對需要采購的布 料色卡存在費時、勞動強度大和容易出差錯等問題，容易造成企業(yè)實際需要的原材料與購 進的原材料不吻合，而不能正常進行生產(chǎn)，嚴重地影響企業(yè)的生產(chǎn)效率和經(jīng)濟效益。同時， 也給布料供應(yīng)商店帶來很多不便。因此，企業(yè)采購人員和布料供應(yīng)商店迫切需要一套方便 和有效檢索布料色卡圖像的計算機應(yīng)用系統(tǒng)。
[0003] 近年來，隨著計算機科學(xué)技術(shù)的發(fā)展，特別是多媒體技術(shù)的發(fā)展以及數(shù)碼相機、掃 描儀、攝像機等圖像采集設(shè)備的普及，全世界數(shù)字圖像的存儲量更是呈級數(shù)增長的態(tài)勢。這 些圖像信息在采集之后被廣泛應(yīng)用于工業(yè)、商業(yè)以及農(nóng)業(yè)的各個領(lǐng)域。毫無疑問，數(shù)字圖像 所含有的信息量遠遠大于原有的文字所包含的信息，人們越來越傾向于用多媒體的形式來 進行傳輸與溝通。也正是因為數(shù)字圖像存儲容量的井噴以及其所包含信息量的巨大，使得 如何在海量圖像信息中快速，準確，無冗余的找到所需要的信息成為了熱點和難點。全世 界越來越多的研究人員已經(jīng)參與到這項研究工作中。
[0004] CBIR(Content_based Image Retrieval)技術(shù)首先提取圖像本身顏色、紋理、形狀 等視覺特征信息，通過量化將這些特征信息保存到數(shù)據(jù)庫中。然后建立相似度計算規(guī)則對 待檢索圖像與庫中圖像進行相似度計算返回滿足條件的圖像序列。CBIR從圖像本身存在的 特征出發(fā)，減少甚至消除了人工的干預(yù)。CBIR查詢者能夠更加快速、準確得找到所需要的圖 像，也讓圖像管理人員能夠擺脫繁瑣而又重復(fù)性的工作，同時使得圖像識別的工作更加自 動化，更加智能化。
[0005] 顏色特征提取是基于內(nèi)容的圖像檢索系統(tǒng)（CBIR)中非常重要的一項工作，只有 對圖像的抽象視覺特征提取為計算機所能夠表達的特征之后才方便采用相似度度量技術(shù) 對圖像的相似度進行計算。常用的圖像視覺特征包括顏色特征、紋理特征、形狀特征等。由 于布料圖像的顏色與紋理特征較為明顯，而形狀特征只是許多紋理特征相互結(jié)合而形成 的。圖像的顏色特征的計算方法較為簡單，而且對于圖像的全局顏色特征而言，不會隨著 圖像的旋轉(zhuǎn)縮放平移等變化而發(fā)生變化，所以具有較好的穩(wěn)定性、魯棒性。紋理特征是所 有圖像都擁有的一種視覺特征，紋理特征可以體現(xiàn)出圖像中的像素分布關(guān)系、像素的統(tǒng)計 特征等，所以是非常重要的圖像視覺特征。常用的圖像顏色特征提取方法有基于顏色直方 圖、顏色矩、顏色相關(guān)圖、顏色集、顏色聚合向量等方法；顏色相關(guān)圖與顏色聚合向量方法的 計算量大，算法時間復(fù)雜度較高，所以在實際應(yīng)用中較少使用；顏色矩與顏色集通常需要結(jié) 合其他顏色描述方法來對圖像進行特征提取，單獨的顏色矩與顏色集的識別效果并不理 想。Hafner J. Efficient 在 Pattern Analysis and Machine Intelligence 在 1995 年第 17 卷，第 7 期 729-736 頁上發(fā)表的文章 "Color Histogram Indexing for Quadratic Form Distance Functions"中介紹了傳統(tǒng)的顏色直方圖，它往往需要記錄圖像中所有出現(xiàn)的顏 色信息的統(tǒng)計直方圖，使得工作量較大。而實際情況是，人造紋理中的主要顏色并不很多， 最多不超過十幾個，所以只需要記錄顏色所占分量排在前幾位的圖像顏色即可。
[0006] 灰度共生矩陣是一種最常用的圖像紋理特征描述方法之一，Haralick R M， Shanmugam K,Dinstein等 1973年在 IEEE Transactions on Systems,Man, and Cybernetics 的第三卷第 6 期上發(fā)表了" Textural Features for Image Classification",該文對于圖 像的紋理特征描述具有較好的效果，但是其算法復(fù)雜度會隨著顏色灰度級數(shù)的增加而成級 數(shù)增長，所以需要結(jié)合較好的灰度等級量化方法來進行矩陣生成。另外一種紋理描述方法 是K. Laws在其論文"Textured Image Segmentation"中提出的基于能量的紋理特征描述 方法。圖像紋理能量特征對于人造紋理的識別能力較強，但是對于尺寸較大的圖像而言其 計算時間較長。
[0007] 所以單獨使用以上介紹的一種或者兩種方法簡單對圖像特征進行提取是無法有 效滿足實際圖像檢索的需求，需要對待匹配圖像進行分析，根據(jù)得到的分析結(jié)果結(jié)合不同 的視覺特征進行圖像的分類識別工作。這樣才能得到最好的特征利用效率，實現(xiàn)最佳的檢 索效果。


【發(fā)明內(nèi)容】

[0008] 本發(fā)明的目的在于提出一種布料圖像顏色特征提取方法，其能解決無法有效滿足 實際圖像檢索的需求的問題。
[0009] 為了達到上述目的，本發(fā)明所采用的技術(shù)方案如下：
[0010] 一種布料圖像顏色特征提取方法，其包括以下步驟：
[0011] A、采用圖像均衡化的方法對布料圖像I進行增強預(yù)處理，同時采用總體變分法對 布料圖像I進行復(fù)原預(yù)處理，得到預(yù)處理后的布料圖像Γ ;
[0012] B、提取布料圖像Γ所有像素點的位置信息以及RGB顏色分量信息；
[0013] C、對獲得的每個像素點的RGB顏色分量通過公式（1)-(4)轉(zhuǎn)化為HSV顏色空間分 量，得到Η分量、S分量和V分量的值：

【權(quán)利要求】
1. 一種布料圖像顏色特征提取方法，其特征在于，包括以下步驟： A、 采用圖像均衡化的方法對布料圖像I進行增強預(yù)處理，同時采用總體變分法對布料 圖像I進行復(fù)原預(yù)處理，得到預(yù)處理后的布料圖像r ; B、 提取布料圖像r所有像素點的位置信息以及RGB顏色分量信息； C、 對獲得的每個像素點的RGB顏色分量通過公式（1)-(4)轉(zhuǎn)化為HSV顏色空間分量， 得到H分量、S分量和V分量的值：
公式⑵；
其中，V，=max(R，G，B)，R，G，BG {0，1，2，...，255}，HG [〇。，360。]，SG [〇，1]， V G [0,1]； D、 對H分量、S分量和V分量進行非均勻量化：對布料圖像I'中的任意一個點Pm i =1，2，...，1^ = 1，2，...，11是布料圖像1'的寬度』是布料圖像1'的長度，對于？^ 分別對應(yīng)一個扎，5。，￥。，其中，扎={316,21，41，76，156，191，271，296}、5。={0,0.2,0.7}、 Vc = {0,0? 2,0. 7}，計算： 1
E、 得到布料圖像I'非均勻量化之后的72維量化等級的顏色直方圖表示如公式 (5)所示： I. k=.\
) 其中，ck，k = 1，2, . . .，n表示經(jīng)步驟D對布料圖像I'量化之后得到的圖像的第k個 顏色分量，這里n = 72,表示有72個顏色量化等級；表示第ck個顏色量化等級所占的顏 色比例； F、 建立顏色量化等級與每個顏色量化等級所占的顏色比例的鍵值對PC，如公式（6)所 示：
G、 對公式（6)中的各種顏色分量ck按照它們各自所占的百分比的值從大到小排序； 設(shè)定閾值T，當& >T時，選定顏色ck為布料圖像I'的主顏色；當& <T時，去除對應(yīng)的顏色 分量，得到排序并通過閾值T篩選之后的顏色量化等級與所占比例的鍵值對，如公式（7)所 示：
【文檔編號】G06K9/46GK104281849SQ201310277274
【公開日】2015年1月14日 申請日期:2013年7月3日 優(yōu)先權(quán)日:2013年7月3日
【發(fā)明者】蔡征兵, 邱桃榮, 林美波, 黃海泉, 劉萍, 蔡志芳 申請人:廣州蓋特軟件有限公司