邱笑迎

摘? 要： 為使紡織企業(yè)更高效地管理海量的面料花型圖案，提出一種基于圖案主色及其聚集區(qū)域和分塊顏色矩相結(jié)合的花型圖案檢索算法。首先利用改進(jìn)的聚類算法提取花型圖案的主顏色，同時根據(jù)主顏色提取主色的聚集區(qū)域特征；然后提取分塊圖案的顏色矩來表示局部顏色特征；最后對三種特征進(jìn)行加權(quán)融合。在自建的面料花型圖案庫中進(jìn)行實驗，平均查準(zhǔn)率達(dá)到85.8%，表明此方法能夠有效地檢索出色彩風(fēng)格相似的圖案，優(yōu)于現(xiàn)有方法。

關(guān)鍵詞： 花型圖案； 顏色特征； 主顏色； 顏色矩

中圖分類號：TP391? ? ? ? ? 文獻(xiàn)標(biāo)識碼：A? ? ?文章編號：1006-8228（2023）09-92-04

Fabric pattern retrieval algorithm based on color feature

Qiu Xiaoying

（School of Computer Science and Technology （School of Artificial Intelligence）， Zhejiang Sci-Tech University， Hangzhou， Zhejiang 310018， China）

Abstract： In order to help textile enterprises manage massive fabric patterns more efficiently， a pattern retrieval algorithm based on the combination of pattern main color， its aggregation region and block color moments is proposed. Firstly， the improved clustering algorithm is used to extract the main color of the fabric pattern， and the aggregation region features of the main color are extracted based on the main color. Then， the color moments of block patterns are extracted to represent the local color features. Finally， the three features are weighted and fused. The experiments in the self-built fabric pattern database show that the average precision reaches 85.8%， which indicates that this method can effectively retrieve patterns with similar color styles and is superior to the existing methods.

Key words： fabric pattern; color feature; main color; color moment

0 引言

近年來，基于內(nèi)容的圖像檢索技術(shù)越來越成熟，已經(jīng)應(yīng)用于紡織面料花型圖案檢索領(lǐng)域。根據(jù)人眼視覺感知特性可知，人眼對于顏色的感知是較為敏感的，因此顏色作為最顯著的特征之一在圖像檢索中得到了廣泛的應(yīng)用。Jing等[1]將圖像劃分為四個不重疊的子圖像，提取分塊顏色矩特征，再提取圖像的GIST空間特征，然后將兩種特征的相性度進(jìn)行加權(quán)融合。張霞等[2]提出將顏色矩和改進(jìn)的小波變換結(jié)合的方法用于色紡面料檢索。崔紅靜等[3]通過在HSV空間提取圖像的分塊顏色直方圖獲取顏色空間信息，并使用Canny算子獲取圖像邊緣特征，實現(xiàn)織物圖像檢索。

由于面料織造工藝的限制，面料花型圖案的顏色數(shù)一般不會很多?；ㄐ蜕蚀钆涞牟町愖罱K通過工藝處理使面料呈現(xiàn)不同的視覺效果，因此有效提取花型的顏色特征能夠較好的表達(dá)人眼對花型圖案的視覺感知。上述文獻(xiàn)提到的顏色特征提取方法較為單一，或注重全局顏色特征，或注重顏色的空間分布。本文考慮了局部特征，提出一種基于圖案主色及其聚集區(qū)域和分塊顏色矩相結(jié)合的花型圖案檢索算法。圖案主色描述全局顏色信息，主色聚集區(qū)域描述顏色空間分布信息，分塊顏色矩描述局部顏色信息。從不同的角度全面提取花型圖案的顏色特征，增強(qiáng)特征的表達(dá)能力。

1 算法描述

1.1 聚類主顏色特征提取

與其他顏色空間相比，HSV顏色空間更符合人眼對于顏色的視覺感知，因此本文選擇基于HSV顏色空間提取顏色特征，顏色的相似性計算采用文獻(xiàn)[4]的方法，設(shè)有顏色，[ci=hi，si，vi]，[cj=hj，sj，vj]，則兩種顏色之間的相似性度量公式可定義為：

[sij=1-vi-vj2+sicoshi-sjcoshj2+sisinhi-sjsinhj2125] ⑴

其中，[sij∈0，1]，[sij]值越大，相似度越高。

在保留足夠的顏色信息前提下，本文使用一種特征維數(shù)較少的量化方法[5]，將顏色大致分為紅、黃、綠、青、藍(lán)、紫、黑、灰和白9種，然后根據(jù)這九種主色調(diào)大致確定圖像主顏色的數(shù)目，具體量化方法如下：

[Code=0，? v∈0，0.21，? v∈（0.2，0.8]∪s0，0.12，? v∈（0.8，1]∪s0，0.13，? h∈（315，360]∪0，204，? h∈（20，75]5，? h∈（75，155]6，? h∈（155，190]7，? h∈（190，260] 8，? h∈（260，315]]? ⑵

根據(jù)公式⑵將圖像中所有像素顏色量化到9個區(qū)間內(nèi)，每個顏色對應(yīng)的[Code∈0，8]，分別代表黑、灰、白、紅、黃、綠、青、藍(lán)、紫，然后統(tǒng)計每個區(qū)間內(nèi)像素總數(shù)，記為[s1，s2，…s9]，并計算其比例[p1，p2，…p9]，傳統(tǒng)的主顏色描述符通常采用5%作為顏色閾值[6]，因此本文將[pi≥5%]的區(qū)間個數(shù)作為圖像主顏色的個數(shù)[kk=1，2，…9]，并記錄下這些區(qū)間對應(yīng)的Code值。假設(shè)一幅圖像經(jīng)上述方法得到的主顏色數(shù)目[k=3]，[Code=1，2，4]，然后遍歷圖像中所有像素，若某個像素顏色值量化后的Code值在[1，2，4]中，則將該像素的顏色值作為第一個初始聚類中心。同理，找到與集合[1，2，4]中剩下的Code值對應(yīng)的第一個滿足條件的像素點，并且與已確定的初始聚類中心顏色均不相似，也將其加入初始聚類中心。此處采用公式⑴計算兩個顏色值的相似性，當(dāng)[sij≥0.9]時，則為相似。最后得到k個初始聚類中心，記為[CCii=1，2，…k]，然后使用K-means算法進(jìn)行聚類，完整的主顏色提取算法如下。

（a） 在HSV顏色空間將圖像所有像素顏色非均勻量化到九個區(qū)間內(nèi)。

（b） 利用上述提到的方法確定圖像主顏色數(shù)目k和初始聚類中心[CCii=1，2，…k]。

（c） 根據(jù)公式⑴計算圖像中每個像素顏色到所有聚類中心的距離，并將其劃分到距離最近的聚類中心所在的類中。

（d） 重新計算每個類的聚類中心。

（e） 重復(fù)步驟（c）、（d），直到所有聚類中心不再變化為止。

最終得到的聚類中心即為對應(yīng)的主顏色[MC=hi，si，vi]，將其作為圖像的主顏色特征。

1.2 主色聚集區(qū)域特征提取

主顏色方法可以有效提取圖像的全局顏色特征，但忽略了顏色的空間分布信息，因此，本文提出基于主顏色聚集區(qū)域來提取圖像主顏色的空間分布特征。由于圖像背景顏色占比較大，所以本方法不考慮背景顏色，旨在檢測前景花型部分主顏色的聚集區(qū)域。首先根據(jù)1.1節(jié)的方法得到圖像的主顏色，然后將圖像分成8x8的64塊，分別計算每個子圖像中主顏色的百分比[pii=1，2，…64]，若大于或等于給定閾值t，則表明該塊中含有大量主顏色。初步找出所有主顏色聚集的分塊，然后從圖像左上角開始，遍歷每個分塊，把相鄰的主顏色聚集分塊進(jìn)行合并，得到主顏色聚集的連通區(qū)域，然后計算連通區(qū)域中主顏色的占比并記錄其所在空間位置。根據(jù)人眼對邊緣信息不敏感的特點為不同區(qū)域分配不同權(quán)值，越靠近中心位置，視覺的關(guān)注度越高，權(quán)重越大。若連通區(qū)域的個數(shù)超過三個，則取主要顏色占比最大的前三個區(qū)域的加權(quán)占比作為該圖像的主顏色聚集區(qū)域特征。若兩幅圖像的主顏色相似，主顏色的聚集區(qū)域大小及空間位置又接近，則說明它們的相似性越高，可見該方法較好的彌補(bǔ)了主顏色特征算法只提取單一全局顏色特征的不足。

1.3 分塊顏色矩特征提取

顏色矩是Stricker等[7]提出的一種簡單有效的顏色特征表示方法，由于圖像的低階矩中包含了主要的顏色信息，因此用一階矩、二階矩和三階矩足以描述圖像的顏色分布。顏色矩描述的是圖像的全局顏色特征，沒有考慮顏色的空間分布，也忽略了圖像局部位置的顏色信息。為了提高顏色矩的局部信息和空間信息的表征能力，本文提出采用分塊顏色矩特征作為圖像的局部顏色特征，同時不同塊的位置也包含了部分空間分布特征。常用的分塊方法有水平分塊、垂直分塊、網(wǎng)格分塊和環(huán)形分塊法。根據(jù)面料花型圖案的特點，大多數(shù)圖案內(nèi)容都是較為均勻分布的，因此本文采用3×3的網(wǎng)格分塊法將圖像均勻分成九個無重疊的子圖像，然后分別對每個子圖像提取顏色矩特征并進(jìn)行組合，最終得到一個81維的向量來表示圖像的局部顏色特征。

2 相似性度量

2.1 基于主色匹配的相似性度量

本文使用改進(jìn)的聚類算法對圖像提取的主顏色特征可定義為：

[F=hi，si，vi]? ⑶

其中，[hi，si，vi]為第i個主色的顏色值，N為主顏色的個數(shù)。由于不同圖像得到的主色特征維數(shù)可能不同，因此不適合使用傳統(tǒng)歐式距離法或卡方距離法來度量，本文采用一種新的度量方法來度量具有不同主色的圖像間的整體相似性。假設(shè)有兩幅圖像Q和R，它們的主色特征分別為[FQ=hi，si，vi]和[FR=hj，sj，vj]。主色的顏色值之間使用歐式距離計算：

[D=hi-hj2+si-sj2+vi-vj2]? ⑷

假設(shè)圖像Q中有一主色[hi，si，vi]，根據(jù)式⑷對主色顏色值之間距離的定義，在圖像R的主色集合FR中，找出和主色[hi，si，vi]距離最小的主色，將該主色定義為主色[hi，si，vi]的最佳主色，距離記為[Di]：

[Di=minj∈1，NRDhi，si，vi，hj，sj，vj]? ⑸

兩幅圖像主顏色特征之間的相似性計算過程如下。

（a） 對圖像Q中的所有主色，分別使用式⑸求出與最佳主色的距離[Dii=1，2，…NQ]。

（b） 同理，對圖像R執(zhí)行（a）的過程，求出所有主色與最佳主色的距離[Djj=1，2，…NR]。

（c） 計算圖像Q和R中所有主色和其最佳主色的距離之和：

[DQ，R=i=1NQDi+j=1NRDj]? ⑹

則[DQ，R]即為圖像Q和R的主顏色特征相似性距離。

2.2 相似性融合

主顏色特征使用基于主色的相似性度量方法，得到的相似距離記為[Dmc]，對于主色聚集區(qū)域特征和分塊顏色矩特征使用卡方距離進(jìn)行計算，得到的相似距離分別記為[Dga]，[Dcm]，則兩幅圖像之間的加權(quán)相似度總和為：

[D=w1Dmc+w2Dga+w3Dcm]? ⑺

其中，[w1，w2，w3]分別為主顏色、主顏色聚集區(qū)域和分塊顏色矩特征的權(quán)值，且[w1+w2+w3=1]。一般來說，花型圖像的顏色相似性比其空間位置更容易吸引視覺的注意。因此在計算融合相似性時賦予顏色特征更大的權(quán)值，而分塊顏色矩特征既有顏色特征又有空間分布信息，所以其所占權(quán)值應(yīng)最高。根據(jù)經(jīng)驗在本文實驗中令[w1=0.2]，[w2=0.2]，[w3=0.6]。

3 實驗結(jié)果與分析

由于目前還沒有針對面料花型圖案的標(biāo)準(zhǔn)數(shù)據(jù)集，故本文在各類花型設(shè)計網(wǎng)站下載了一些花型圖案，自建了一個面料花型圖案數(shù)據(jù)集作為實驗樣本庫。實驗時，從每類圖案中隨機(jī)選取五張，共30張圖案作為查詢樣本進(jìn)行檢索，取每次檢索結(jié)果的前20張最相似的圖案作為實驗結(jié)果，并采用檢索的查準(zhǔn)率作為本文算法性能評價指標(biāo)。圖1所示為基于本文算法部分花型圖案的檢索結(jié)果，表1為本文算法與其他基于顏色特征檢索算法進(jìn)行的對比實驗，表中顯示了每個類別圖案的檢索查準(zhǔn)率。

由表1的實驗數(shù)據(jù)分析可知，本文提出的顏色特征提取算法在大多數(shù)花型圖案類別中都具有較好的檢索性能，尤其在波點、卡通、動物紋和格子類圖案中獲得最高的查準(zhǔn)率，因為這些類別的圖案一般顏色種類較少且色彩明顯，顏色特征區(qū)分性強(qiáng)。與顏色直方圖、顏色矩、圖像主色等單一顏色特征方法相比，本文的融合顏色特征算法同時具有全局、局部和空間位置分布信息，對圖像顏色特征描述更全面，因此檢索效果顯著提高。對比文獻(xiàn)[1]提出的融合顏色矩和gist特征的算法，本文算法加入了主顏色及其聚集區(qū)域信息，對顏色空間分布特征的表達(dá)更有效，因此檢索準(zhǔn)確性也更高。

4 結(jié)束語

由于紡織織造工藝的限制，面料花型圖案色彩數(shù)一般不會太多，但花型圖案種類多樣，難以管理，因此本文提出了一種基于主顏色及其聚集區(qū)域和分塊顏色矩三種特征相結(jié)合的面料花型圖案檢索算法。該算法的優(yōu)勢在于，將圖像的全局顏色特征、局部顏色特征和顏色的空間分布信息結(jié)合在一起，加權(quán)融合三種特征的相似度進(jìn)行檢索。實驗結(jié)果表明，該算法在面料花型圖案這類色彩數(shù)受限于工藝原因而顏色數(shù)很少的檢索中具有良好的性能，能夠快速、準(zhǔn)確、高效地檢索出色彩相似的圖案，綜合性能優(yōu)于其他顏色檢索算法。為進(jìn)一步提高特征的表征能力，在后續(xù)的研究中，將在圖像顏色特征和紋理特征方面進(jìn)行融合優(yōu)化算法研究，以提高面料花型圖案的檢索性能。

參考文獻(xiàn)（References）：

[1] Jing Junfeng， Li Qi， Li Pengfei， et al. A new method ofprinted fabric image retrieval based on color moments and gist feature description[J]. Textile Research Journal，2016，86（11）：1137-1150.

[2] 張霞，向軍，張寧，等.采用改進(jìn)的小波和顏色矩的色紡面料圖像檢索[J].絲綢，2021，58（12）：34-39.

[3] 崔紅靜，景軍鋒，張緩緩，等.融合顏色和邊緣特征的織物圖像檢索算法[J].棉紡織技術(shù)，2019，47（10）：35-39.

[4] Smith J R， Chang S F. VisualSEEk： a fully automatedcontent-based image query system [C]// Proceedings of the fourth ACM international conference on Multimedia，1997：87-98.

[5] 余芳.基于顏色特征的圖像檢索技術(shù)研究[D].山東：中國石油大學(xué)，2008.

[6] 李偉.改進(jìn)的主顏色提取方法及自適應(yīng)權(quán)重圖像檢索算法研究[D].湖北：華中師范大學(xué)，2015.

[7] Stricker M A， Orengo M. Similarity of Color Images [C]//Storage and retrieval for image and video databases III. SPiE，1995，2420：381-392.

[8] Khwildi R， Zaid A O. Color Based HDR image retrieval?using HSV histogram and color moments[C]//IEEE/ACS the 15th International Conference on Computer Systems and Applications （AICCSA）. IEEE，2018：1-5.

[9] 任平紅，陳矗.基于聚類主顏色和邊緣直方圖的圖像檢索方法[J].計算機(jī)技術(shù)與發(fā)展，2011，21（3）：142-145.