[发明专利]一种布料图像快速匹配检索方法

说明书

技术领域

本发明涉及一种布料检索方法，尤其是涉及一种布料图像快速匹配检索方法。

背景技术

21世纪以来，随着纺织业的迅速发展，布料产品得到了极大的丰富，为服装设计提供了充足的资源。但是对服装设计师而言，要靠人工从成千上万的布料图像库中找到其所需的布料，是极其耗时和困难的。服装设计师在服装设计选取布料时通常有三种需求：一是希望在布料库中找到相同的布料；二是在布料库中找到图案类别、图案空间分布或颜色相近的布料，以激发其更多设计灵感；三是可以实现在海量布料库中快速检索布料图像。现有人工方法难以快速地实现上述需求。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种布料图像快速匹配检索方法，可以快速查找相同布料及相近布料。

本发明的目的可以通过以下技术方案来实现：

一种布料图像快速匹配检索方法，该方法包括：

获取布料图库，构建至少一张图库哈希表，每一图库哈希表具有至少一个哈希桶，每一图库哈希表中对应的布料图像具有相同的主哈希值，每一哈希桶中对应的布料图像具有相同的次哈希值；

构建图库哈希表时，针对布料图库中的每一布料图像，根据以下步骤将该布料图像分配至一个哈希桶中：

1)提取该布料图像的形状特征直方图；

2)采用哈希函数对所述形状特征直方图向量进行降维，获得一降维向量，计算该降维向量的主哈希值和次哈希值；

3)根据所述主哈希值和次哈希值将该布料图像分配至一图库哈希表的一哈希桶中；

在进行待测布料图像的匹配检索时，对该待测布料图像依次执行步骤1)-3)，将该待测布料图像分配至一图库哈希表的一哈希桶中，将该待测布料图像与所述哈希桶中的布料图像进行相似度比较，检索获得相似度最大的k个布料图像输出。

所述主哈希值和次哈希值的表达式为：

其中，a为一l维向量，ai为向量a中的第i个元素，ri′和ri″为随机数，tablesize为哈希表的大小，即为数据点的个数，prime为一素数。

所述布料图库图像相似度比较，采用KNN算法获得相似度最大的k个布料图像后，根据相似度大小依次输出相应布料图像。k根据输出需要选取。

KNN算法核心思想是：计算测试样本向量与训练集中每个样本向量的欧氏距离，根据欧氏距离的大小排序，输出训练样本中与测试样本最相似的K个样本数据。所述布料图库对应一视觉词袋向量集，该视觉词袋向量集通过以下方法获取：

a)提取布料图库中每一布料图像的SIFT特征向量T＝{t₁,t₂,…,t_n}，t∈R^d，n是提取的特征点数，构成一特征向量集AT＝{T₁,T₂,…,T_M}，M为布料图库中布料图像总数；

b)对特征向量集进行K-Means聚类，得到K个d维向量，构成基本视觉词袋向量集合W＝{w₁,w₂,…,w_K}。

所述步骤1)中，形状特征直方图的提取具体为：

获取每幅布料图像的SIFT特征向量，计算SIFT特征向量中的每个特征点t_i与w_i(i＝1,2,…,K)的欧氏距离，并根据最小值累计其在基本视觉词袋向量上出现的频次f_i，得到每幅图像的形状特征直方图向量v，其中，f_i及v的计算公式为：

v＝{f₁,f₂,…,f_K}

其中，L_i,j为第i个特征向量在第j个基本视觉词袋向量上出现的频次。

所述步骤2)中，采用l个哈希函数对所述特征直方图向量v进行降维，获得一l维降维向量，各哈希函数定义为：

其中，为向下取整操作，c为一个K维向量，每一维是一个独立选自满足p-stable的随机变量，b为[0,w]范围内的随机数，w为间隔大小。

与现有技术相比，本发明具有以下优点：

(1)本发明通过采用提取SIFT特征、K-Means聚类和精确欧氏位置敏感哈希算法对布料图像进行匹配检索，匹配精度高，计算速度快，可适用于海量图像库，具有实际意义和应用价值；