戴斌輝，王曉云，張鴻志

（1.天津工業(yè)大學藝術與服裝學院，天津 300387；2.天津工業(yè)大學紡織學院，天津 300160）

基于Sift特征的服裝紙樣檢索

戴斌輝1，王曉云1，張鴻志2

（1.天津工業(yè)大學藝術與服裝學院，天津 300387；2.天津工業(yè)大學紡織學院，天津 300160）

提出了基于Sift特征的服裝紙樣檢索方法.首先提取服裝結構圖的Sift特征，再采用近似的最近鄰搜索算法在紙樣數(shù)據(jù)庫中檢索相似紙樣.該方法對于相似的圖像或子圖像具有良好的識別能力，可大大減少服裝紙樣檢索的時間，從而有效利用已有的紙樣庫資源，避免重復打板.另外，該方法還可用于甄別服裝板型結構設計的原作.

Sift算法；Sift特征匹配；紙樣檢索；服裝紙樣

參數(shù)化設計已廣泛運用到服裝紙樣設計中，參數(shù)驅動機制的運行是通過一個強大的關系數(shù)據(jù)庫，存儲參數(shù)之間的約束關系以及各實體之間的對應關系.在紙樣圖中修改后，不僅反映在紙樣結構圖的變化中，相應的裁片、排料圖中也作了同步變化，免去了設計者的重復工作，提高了效率.目前服裝CAD系統(tǒng)中設計完成的紙樣結構是根據(jù)款式名稱或編號來存檔的，設計師根據(jù)常見的服裝類型設計出基本紙樣（也稱頭樣），無論款式怎樣變化、多么復雜，都可以在基本紙樣基礎上進行部件的增減設計，但以款式名稱檢索的方法缺少一定的直觀性，操作繁雜.而且每個企業(yè)命名的方法都不一樣，這樣也給查找?guī)砹艘欢ǖ睦щy.為了更好的重復利用各款式，本文提出了基于Sift特征的服裝紙樣檢索方法.

1 Sift算法

1.1 圖像多尺度表示

尺度空間理論最早出現(xiàn)于計算機視覺領域時，其目的是模擬圖像數(shù)據(jù)的多尺度特征.Koendetink證明高斯卷積核是實現(xiàn)尺度變換的唯一變換核，而Lindeberg等人則進一步證明高斯核是唯一的線性核.

二維高斯函數(shù)定義如下[1-2]：

式中：σ代表了高斯正態(tài)分布的方差.

一幅二維圖像，在不同尺度下的尺度空間表示可由圖像與高斯核卷積得到：

式中：（x，y）代表圖像的像素位置；ξ稱為尺度空間因子，其值越小則表示該圖像被平滑的越少，相應的尺度也就越小；大尺度對應于圖像的概貌特征，小尺度對應于圖像的細節(jié)特征；L代表了圖像的尺度空間.

1.2 Sift特征匹配算法介紹

David Lowe于1999年提出了Sift局部特征描述子，并于2004年在總結了現(xiàn)有的基于不變量技術的特征測量方法的基礎上提出了Sift特征匹配算法，這是一種基于尺度空間的、對圖像縮放、旋轉甚至仿射變換保持不變性的特征匹配算法.Sift特征是圖像的局部特征，該特征對旋轉、尺度縮放、亮度變化保持不變性，對視角變化、仿射變換、噪聲也保持一定程度的穩(wěn)定性.因此可以采用此算法處理2幅圖像之間發(fā)生平移、旋轉、仿射變換情況下的匹配問題，其具有很強的匹配能力.

Sift算子具有以下特性：

（1）Sift特征是圖像的局部特征，對平移、旋轉、尺度縮放、亮度變化、遮擋和噪聲等具有良好的不變性，對視覺變化、仿射變換也保持一定程度的穩(wěn)定性[3-4].

（2）獨特性好，信息量豐富，適用于在海量特征數(shù)據(jù)庫中進行快速、準確的匹配.

（3）多量性，即使少數(shù)的幾個物體也可以產生大量Sift特征向量.

（4）速度相對較快，經優(yōu)化的Sift匹配算法甚至可以達到實時的要求.

（5）可擴展性強，可以很方便的與其他形式的特征向量進行聯(lián)合.

1.3 服裝結構圖Sift特征的提取

Sift特征的提取有如下4個步驟：

（1）服裝結構尺度空間極值點檢測.對輸入圖像先進行增量式的高斯卷積以建立DoG空間，然后在3個相鄰尺度的領域中搜索極值點，初步得到服裝結構特征點的位置.如圖1所示，初步得到紙樣繪制過程中的一些特征點.

（2）對服裝結構特征點的精確定位.如圖2所示，去掉紙樣結構中的一些輔助點.

（3）為服裝結構特征點分配方向值，使得方向不變.創(chuàng)建梯度方向直方圖，選擇主峰值作為特征點的方向，達到主峰值80%以上的局部峰值視為輔助方向，以增強特征的健壯性.如圖3所示.

（4）生成服裝結構特征描述子.將特征點16×16領域中各點的坐標按高斯加權歸入4×4的位置網(wǎng)絡，將其于特征點的相對方向加權得到8格方向直方圖，從而獲得128維的描述子，如圖4所示.

圖1 極值點檢測Fig.1 Detection of extreme points

圖2 特征點精確定位Fig.2 Precise positioning of feature points

圖3 特征點分配方向值Fig.3 Distribution of drection value of feature points

圖4 生成特征描述子Fig.4 Generate characteristic descriptor

1.4 服裝結構圖的Sift特征匹配

服裝結構特征匹配如圖5所示，（a）為所畫的服裝結構圖，（b）為紙樣庫中的服裝結構圖.

圖5 服裝結構特征匹配Fig.5 Garment pattern feature matching

當2幅圖像的Sift特征向量生成以后，下一步就可以采用關鍵點特征向量的歐式距離來作為2幅圖像中關鍵點的相似性判定度量.取圖3服裝結構圖的某個關鍵點，并找出與紙樣庫中的距離最近的前2個關鍵點.在這2個關鍵點中，如果最近距離除以次近距離小于某個比例闕值，則接受這一對匹配點.降低這個比例闕值，Sift匹配點數(shù)目會減少，但更加穩(wěn)定.

如圖5所示，只要畫出服裝結構大致輪廓圖，就能快速的在紙樣庫中檢索到相似的服裝結構圖，這樣可以降低打板難度，也省去了一些服裝結構局部的重復打板，如圖5中可以省去畫省的時間.

對于一些局部結構特別的紙樣，可以通過局部的繪制，如領子、袖子等，就能檢索出整個服裝紙樣，或者檢索出相似的服裝結構，進行修改.

2 基于Sift算法的服裝紙樣檢索系統(tǒng)

服裝紙樣檢索的目的可歸結為：給定一個待查紙樣結構圖，確定它是否和紙樣庫中任何一個足夠相似以至造成混淆.利用Sift特征，可準確查找出數(shù)據(jù)庫中潛在的相似特征，并具有很強的健壯性，適合用于紙樣結構檢索.檢索時需要注意以下幾點：

（1）應對紙樣結構圖進行降噪處理，以避免產生無意義的特征，對檢索的速度和準確度造成干擾.

（2）特征點的數(shù)量對檢索也有很大的影響.特征點過多不僅會使檢索速度變慢而且也不必要；特征點過少又容易造成漏檢.因此，構建紙樣數(shù)據(jù)庫時應對圖像產生的特征點數(shù)量進行歸一控制.

（3）隨著企業(yè)的發(fā)展，紙樣數(shù)據(jù)庫會越來越龐大，因此，檢索所需的計算量也成為應考慮的問題，本文在檢索階段采用近似的最近鄰搜索算法，使用該算法可以在不顯著減低匹配精度的情況下有效提高檢索速度.

本文構建的紙樣檢索系統(tǒng)框架如圖6所示.

對于很多服裝企業(yè)來說，該系統(tǒng)使用起來存在一定的局限性，因為國內中小服裝企業(yè)占多數(shù)，而且服裝企業(yè)的產品取決于各類服裝的生產線，每個企業(yè)只生產滿足自身設備技術條件的同類產品，例如西裝的基本板型只有幾種.所以該系統(tǒng)比較適合服裝款式多，周期短的中大型服裝企業(yè).

圖6 紙樣檢索系統(tǒng)框架Fig.6 System of pattern retrieval

服裝是流行的產物，款式和結構每年都會隨流行的審美時尚而變，即使是款式完全相同的服裝，不同時期設計的紙樣結構也不同，因此查找完全相同的款式有一定的難度.該系統(tǒng)在服裝結構特征匹配后，會進行相似度排序，查找出相似的結構圖.

對于一些自主生產或者有品牌的服裝企業(yè)來說，可以創(chuàng)建一個原作紙樣庫.出于知識產權保護目的，用Sift描述子進行圖形的識別，甄別服裝板型結構設計的原作.

3 結束語

如何提高服裝企業(yè)的生產效率并節(jié)省生產成本是很多企業(yè)考慮的重點.本文提出了一種用Sift描述子進行紙樣結構圖的檢索算法，它對于相似的圖像或子圖像具有良好的識別能力.基于Sift特征開發(fā)紙樣檢索系統(tǒng)的，大大減少了打板時間，從而提高了企業(yè)的生產效率.

[1]王國美，陳孝威.SIFT特征匹配算法研究[J].鹽城工學院學報，2007，20（2）：1-5.

[2]劉 立，彭復員，趙 坤，等.采用簡化SIFT算法實現(xiàn)快速圖像匹配[J].紅外與激光工程，2008，37（1）：181-184.

[3] 林傳力，趙宇明.基于sift特征的商標檢索算法[J].計算機工程，2008，23：275-277.

[4]李云霞，曾 毅，鐘瑞燕，等.基于SIFT特征匹配的圖像拼接算法[J].計算機技術與發(fā)展，2009，19（1）：43-45.

Pattern retrieval algorithm based on Sift feature

DAI Bin-hui1，WANG Xiao-yun1，ZHANG Hong-zhi2
（1.School of Art and Clothing，Tianjin Polytechnic University，Tianjin 300387，China；2.School of Textiles，Tianjin Polytechnic University，Tianjin 300160，China）

The way to search for the same draft based on Sift feature is proposed.By use of DoG，Sift consists of adjacent scale Gaussian differential unclear and input image convolution，the calculation of scale space is simplified.It has a good ability to identify the similar image or sub-image，it will save a lot time，so that we can use the source of draft best，avoiding doing the same draft and wasting time.In addition，the method is significantly used to identify clothing original design of plate-type pattern.

Sift；Sift feature matching；pattern retrieval；garment pattern

book=3,ebook=111

TS941.2

A

1671－024X（2010）03－0037－03

2009-11-19

戴斌輝（1985—），男，碩士研究生.

王曉云（1963—），女副教授，碩士生導師.E-mail：kanxinwenlianbo@163.com