摘  要： 為了充分利用經(jīng)編賈卡織物圖像的廣泛資源，探索“互聯(lián)網(wǎng)+”背景下紡織企業(yè)的信息化道路,，探討了織物圖像智能檢索系統(tǒng)的開(kāi)發(fā)設(shè)計(jì),。根據(jù)現(xiàn)有方法特征維數(shù)過(guò)高的不足，提出了運(yùn)用奇異值分解的方法進(jìn)行織物圖像檢索,，并使用相關(guān)系數(shù)作為織物圖像間相似度的測(cè)量,。最后在MFC框架下，運(yùn)用OpenCV開(kāi)源視覺(jué)庫(kù)進(jìn)行了整體的設(shè)計(jì)與實(shí)現(xiàn),。實(shí)驗(yàn)結(jié)果表明,，該方法對(duì)于賈卡經(jīng)編織物檢索速度快，準(zhǔn)確度高,，具有一定的實(shí)用價(jià)值,。

　　關(guān)鍵詞： 織物；經(jīng)編賈卡,；圖像檢索,；SVD；相似度

0 引言

　　隨著圖像獲取技術(shù)的快速發(fā)展,，數(shù)字圖像在人們的生活中起著越來(lái)越重要的作用,，數(shù)字圖像處理技術(shù)已經(jīng)深入到人們生活中的方方面面[1]。本文為了充分利用紡織企業(yè)現(xiàn)有大量經(jīng)編賈卡織物的圖像資源,，組建了經(jīng)編圖案庫(kù),，從經(jīng)編賈卡圖案智能檢索入手，探討在“互聯(lián)網(wǎng)+”背景下,，紡織圖像檢索的信息化建設(shè),，從而實(shí)現(xiàn)“以圖找圖”的技術(shù)革新。目前,，國(guó)內(nèi)外對(duì)于經(jīng)編賈卡織物圖像檢索的研究正處于起步階段,，主要運(yùn)用基于內(nèi)容的圖像檢索[2]，常用的有顏色特征提取[3-4],，此方法雖然取得了一定成果,，但仍有不足之處，主要問(wèn)題是準(zhǔn)確率不高、特征維數(shù)過(guò)高,、檢索速度較慢,。

　　圖像特征一般以高維向量表示，但對(duì)于大型的圖像數(shù)據(jù)庫(kù),，高維向量的存儲(chǔ)以及高維空間中距離的計(jì)算,，其空間復(fù)雜度和運(yùn)算復(fù)雜度非常高。針對(duì)這一問(wèn)題,，本文采用奇異值分解（SVD）的算法用于經(jīng)編賈卡織物的圖像檢索,，既能降低特征的維數(shù)，又能包含織物圖像的主要信息[5],。在MFC框架的基礎(chǔ)上利用先進(jìn)的機(jī)器視覺(jué)庫(kù)OpenCV對(duì)賈卡圖像進(jìn)行分析研究,。實(shí)驗(yàn)表明，該方法對(duì)于經(jīng)編賈卡織物適用性好,，檢索效果良好，準(zhǔn)確率高,，具有一定的實(shí)用價(jià)值,。

1 圖像采集與預(yù)處理

　　本文采用CCD攝像機(jī)，采集圖像標(biāo)準(zhǔn)大小為256×256,，分別選取不同顏色和紋理的真彩色經(jīng)編賈卡織物圖像,，同時(shí)為了檢測(cè)本文算法的準(zhǔn)確性和模擬實(shí)際的采樣誤差，對(duì)于同一幅織物樣品,，拍攝多張圖像,，本次試驗(yàn)樣本庫(kù)共有200幅織物圖像[6-7]。

　　在獲得圖像之后,，需要做一些前期處理,，主要有：（1）圖像去噪，即減少采集過(guò)程中帶來(lái)的噪聲干擾,，選用中值濾波的方式,，主要去除圖像中的椒鹽噪聲；（2）對(duì)圖像的尺寸進(jìn)行縮放,，為了加快計(jì)算速度,，本文先將圖像的大小縮放為64×64；（3）將彩色圖像灰度化,，將亮度矩陣作為本文研究的輸入矩陣,。如圖1所示為織物圖像預(yù)處理過(guò)程，其中圖1（a）表示去噪和尺寸縮放后的圖像,，圖1（b）為對(duì)圖1（a）進(jìn)行灰度化后的圖像,。

2 奇異值分解（SVD）算法

　　隨著數(shù)學(xué)方法的廣泛應(yīng)用，矩陣分解已發(fā)展為處理大數(shù)據(jù)的常用方法,。在圖像處理的應(yīng)用中,，通過(guò)矩陣分解既可以降低圖像特征向量的維數(shù),，又能夠減少存儲(chǔ)空間。奇異值分解是一種數(shù)據(jù)降維的有效手段,，一般地,，大的奇異值對(duì)應(yīng)矩陣中的主要信息，于是運(yùn)用SVD進(jìn)行織物的圖像處理,，提取其中的主要部分,，是合理可行的[8]。

　　令A(yù)m×n是實(shí)矩陣,，且rank（A）=k,，于是存在對(duì)角矩陣Dm×n和兩個(gè)正交矩陣Um×m和Vn×m，使得下式成立：

　　　　如果矩陣A代表一幅織物圖像,，則式（1）就是對(duì)其進(jìn)行奇異值分解,。將矩陣對(duì)角線上的非零奇異值元素構(gòu)成一個(gè)行向量，因此,，每一個(gè)織物圖像對(duì)應(yīng)于唯一的奇異值特征向量,。SVD后的奇異值具有如下性質(zhì)：（1）穩(wěn)定性：矩陣元素值的微小變化不會(huì)引起奇異值大的變化；（2）奇異值與對(duì)應(yīng)矩陣元素值成比例變化,；（3）位移不變性和轉(zhuǎn)置不變性,。基于奇異值分解的優(yōu)點(diǎn),，本文選用奇異值分解進(jìn)行織物圖像的特征提取,。

　　3 相關(guān)距離測(cè)度

　　織物圖像經(jīng)過(guò)奇異值分解后，將奇異值作為特征構(gòu)造每幅圖像的特征向量,。于是織物圖像的相似性問(wèn)題就轉(zhuǎn)化為比較兩個(gè)特征向量的相關(guān)程度,。本文采用計(jì)算相關(guān)系數(shù)的方法，相關(guān)系數(shù)可以用來(lái)量化兩個(gè)特征向量的相關(guān)程度,。在實(shí)際應(yīng)用中,，更常用的是采用去均值相關(guān)系數(shù)來(lái)判斷兩個(gè)向量的相關(guān)程度。如式（2）所示,，其中x和y分別表示兩幅圖像的特征向量,，x和y分別表示特征向量x和y的均值，r表示2個(gè)特征向量的相關(guān)系數(shù),，其取值范圍為[0,，1]，相關(guān)系數(shù)越接近1,，表示相似性越高,。

　　4 實(shí)驗(yàn)與結(jié)果分析

　　本實(shí)驗(yàn)操作系統(tǒng)采用Windows7，4 GB內(nèi)存，開(kāi)發(fā)平臺(tái)為vs2012,，運(yùn)用MFC創(chuàng)建可視化的操作界面,，并采用OpenCV庫(kù)進(jìn)行織物圖像的處理。本文設(shè)計(jì)的織物檢索系統(tǒng)主要由選擇圖案,、選擇檢索目錄,、開(kāi)始檢索、顯示結(jié)果等幾大部分組成,。

　　為了檢驗(yàn)本文提出算法的適用性,，與常用的顏色直方圖檢索算法進(jìn)行對(duì)比分析。實(shí)際的織物檢索過(guò)程中,，對(duì)于大量圖像樣本庫(kù),，首先應(yīng)對(duì)圖像庫(kù)中的所有圖像進(jìn)行SVD來(lái)提取特征并存放在數(shù)據(jù)庫(kù)中，然后選定示例圖片,，按公式計(jì)算它與圖像庫(kù)中所有圖像的相似程度,。按相似度從大到小進(jìn)行排序，取前N幅圖像顯示,，并將相似度大小顯示在圖像下方,。在本文的測(cè)試實(shí)驗(yàn)中，直接選定圖像庫(kù)所在目錄進(jìn)行檢索,，并選定相似度前12的圖像加以顯示。結(jié)果如圖2所示,。

　　同時(shí),，為了量化檢索的效果，引入查全率和查準(zhǔn)率的概念,。查全率和查準(zhǔn)率是判斷檢索效果的常用方法,。查準(zhǔn)率是指返回的結(jié)果中相關(guān)圖像的數(shù)目和已檢索出的圖像數(shù)目之間的比值；查全率是指返回的結(jié)果中相關(guān)圖像與所有相關(guān)圖像的數(shù)目之間的比值,。分別定義為：

　　圖2中,，（a）、（c）表示SVD圖像檢索的結(jié)果,，（b）,、（d）表示顏色直方圖檢索結(jié)果。根據(jù)圖2可見(jiàn),，本文算法有良好的檢索效果,。比較第一組實(shí)驗(yàn)圖（a）和（b），對(duì)于SVD圖像檢索,，顯示的12幅圖像中,，有9幅圖像與原織物圖像相似，查準(zhǔn)率為75%，而顏色直方圖檢索結(jié)果中,，僅7幅圖像相似,，查準(zhǔn)率為58.3%。并且在SVD中能夠?qū)㈩伾煌?、但織物花紋紋理相似的圖像檢索出來(lái),，從而克服顏色直方圖不能體現(xiàn)局部紋理信息的缺點(diǎn)。比較第二組實(shí)驗(yàn)圖（c）和（d）可以看出,，SVD檢索效果更加良好,，可認(rèn)為相似圖像有11幅，查準(zhǔn)率為91.7%,，但顏色直方圖檢索中只有4幅相似圖像,，查準(zhǔn)率只有33.3%。同時(shí)在圖像信息的采集過(guò)程中,，難免產(chǎn)生測(cè)試圖像與樣本庫(kù)中圖像方向和大小的不一致性,，SVD也保持了對(duì)于圖像位移和旋轉(zhuǎn)的魯棒性。如表1所示,，列舉了其中5組實(shí)驗(yàn)的查準(zhǔn)率和檢索時(shí)間,。由表1可以看出，SVD對(duì)于賈卡經(jīng)編織物的查準(zhǔn)率要高于顏色直方圖檢索算法,，SVD檢索算法所花時(shí)間與直方圖相比較長(zhǎng),，但相對(duì)于實(shí)際運(yùn)用，已能滿足要求,。

　　圖3反映了奇異值方法中圖像維數(shù)與平均查準(zhǔn)率之間的變化關(guān)系,，織物圖像大小分別選用8×8、12×12,、16×16,、20×20、24×24,、28×28,、32×32…64×64時(shí)，特征向量從8維遞增到64維,?？梢钥闯霎?dāng)維數(shù)為36時(shí)，實(shí)驗(yàn)效果最佳,。從而選擇維數(shù)為36,，進(jìn)一步提高檢索速度。

5 結(jié)束語(yǔ)

　　隨著“互聯(lián)網(wǎng)+”概念的進(jìn)一步深入以及圖像檢索技術(shù)的進(jìn)一步發(fā)展,，紡織企業(yè)轉(zhuǎn)型也迫在眉睫,。本文對(duì)經(jīng)編賈卡圖像智能檢索系統(tǒng)的開(kāi)發(fā)研究填補(bǔ)了紡織企業(yè)在信息化方面的空白,。“互聯(lián)網(wǎng)+客戶個(gè)性需求”將是多數(shù)紡織企業(yè)轉(zhuǎn)型的方向,，本文設(shè)計(jì)的系統(tǒng)能讓企業(yè)快速檢索出與客戶所提供的經(jīng)編賈卡圖案相似的圖案,，實(shí)現(xiàn)“以圖找圖”，從而提高生產(chǎn)效率,，進(jìn)而可以滿足個(gè)性化的市場(chǎng)需求,，同時(shí)也可避免重復(fù)開(kāi)發(fā)的成本。本文主要根據(jù)經(jīng)編賈卡織物圖案的特點(diǎn),，采用SVD提取圖像特征,，并用相關(guān)系數(shù)進(jìn)行相似度測(cè)量，通過(guò)與常用的顏色直方圖檢索算法比較,，證明了本文提出的SVD方法檢索效果良好,，查準(zhǔn)率更高，具有一定的實(shí)用價(jià)值,。

參考文獻(xiàn)

　　[1] 沈蘭蓀,，張菁，李曉光.圖像檢索與壓縮域處理技術(shù)的研究[M].北京：人民郵電出版社,，2008.

　　[2] 曾奇森.基于內(nèi)容的圖像檢索相關(guān)技術(shù)研究[D].南京：南京理工大學(xué),，2007.

　　[3] 曹莉華，柳偉,，李國(guó)輝.基于多種主色調(diào)的圖像檢索算法研究與實(shí)現(xiàn)[J].計(jì)算機(jī)研究與發(fā)展,，1999，36（1）,，179-187.

　　[4] 程濤.基于顏色和紋理特征的圖像檢索[D].西安：西北大學(xué),，2010.

　　[5] 荊曉遠(yuǎn)，郭躍飛,，楊鏡宇.基于奇異值特征的圖像預(yù)處理及人臉識(shí)別[J].信息與控制，1999,，28（2）：116-120.

　　[6] 張勇,，鄧中民.染色助劑在棉纖維改性上的研究[J].成都紡織高等專(zhuān)科學(xué)校學(xué)報(bào)，2015,，32（2）：29-32.

　　[7] 張勇,，孫永陪.經(jīng)編間隔織物運(yùn)動(dòng)鞋面料工藝設(shè)計(jì)[J].成都紡織高等專(zhuān)科學(xué)校學(xué)報(bào)，2015,，32（3）：97-100.

　　[8] 周德龍,，高文，趙德斌.基于奇異值分解和判別式KL投影的人臉識(shí)別[J].軟件學(xué)報(bào),，2003,，14（4）：783-789.