蓝印花布图案识别方法
【专利摘要】本发明提供蓝印花布图案识别方法，包括：目标图案纹样的数字化采集,对采集的目标图案纹样进行RGB的预处理,对RGB的预处理后获取待检测的图案纹样进行颜色特征的量化和颜色特征的提取处理,对RGB的预处理后获取待检测的图案纹样提取形状特征向量;确定提取的颜色特征向量与标准图案纹样的颜色特征向量的相似值,确定提取的形状特征向量与标准图案纹样的形状特征向量的相似值；综合颜色特征与形状特征的权值得到相应检索权值，根据检索权值确定目标图案纹样相似度。以颜色特征为主、以形状特征为辅的多特征检索方法克服单个特征检索成功率较低的不足之处，相比于单一特征的检索具有更好的效果。
【专利说明】蓝印花布图案识别方法
【技术领域】
[0001]本发明涉及图像检索技术应用领域，具体涉及基于颜色特征和形状特征的蓝印花布图案纹样检索方法。
【背景技术】
[0002]蓝印花布已于2006年5月经国务院批准列入第一批国家级非物质文化遗产名录。工艺美术大师吴元新先生整理收藏明清以来实物及图片资料上万件，保存了上万件纹样纸版，出版了《中国蓝印花布纹样大全》藏品卷。然而，利用先进的管理理念及信息化、数字化的技术手段对非物质文化遗产一一 “蓝印花布”项目进行传承与保护的研究开发工作却非常少，甚至可以说是空白。
[0003]目前，虽然图像计算机检索系统发展迅速，但针对蓝印花布图案纹样的检索系统，仍存在许多问题亟待解决。首先，蓝印花布的图案纹样数据量巨大，内容繁复。使用文本信息很难准确描述图案纹样的内容，使传统上基于文本的检索系统难以胜任图案纹样的检索。其次,OpenCV(OpenCV是一个基于(开源)发行的跨平台计算机视觉库)自带的计算图案纹样颜色特征值的函数只对图案纹样的两个颜色通道进行分析计算，从而导致对图案纹样颜色特征分析的数据不准确。最后，蓝印花布分布广泛，纹样复杂，很多纹样经过长时间保存后破损严重，给蓝印花布的传承造成极大地损失。因此，通过对大量蓝印花布图案纹样的分析、研究后，针对其特点，开发实现以颜色信息为主、以形状信息为辅的蓝印花布图案纹样综合检索及数据库系统就显得尤为重要了。
[0004]随着计算机处理图像能力的提高及对检索算法的不断深入研究，使得利用计算机数据库管理系统管理图像变得十分必要。按照检索机理不同，现有的图像检索方法可划分为三种:类目检索、文本检索和基于内容的检索。其中类目检索出现最早，实现容易但检出率较低；文本检索技术成熟，检出率高，但在描述图像内容方面普遍存在不准确、不清晰等缺点，不适用于图像的内容检索；基于内容的检索偏重于图像本身的可视特征，最符合人对图像的直观感受，但实现技术难度最高。基于内容的图像检索系统出现的也较晚，是当前有待进一步研究的具有直观、直接等特点的检索方式。
【发明内容】
[0005]本发明的目的在于提供蓝印花布图案识别方法，提高了蓝印花布图案检索的成功率，图像检索效果更好，准确性更高。
[0006]本发明提供的蓝印花布图案识别方法包括:目标图案纹样的数字化采集，对采集的目标图案纹样进行RGB的预处理，确定RGB的预处理后获取的目标图案纹样中的特征向量与标准图案纹样的相似值，综合颜色特征与形状特征的权值得到相应检索权值，根据检索权值确定目标图案纹样相似度。
[0007]在一些实施方式中，其中RGB的预处理包括对目标图案纹样进行图案纹样的灰度化处理、图案纹样的滤波去噪处理和图案纹样的归一化处理。[0008]在一些实施方式中，其中图案纹样的灰度化处理将RGB彩色蓝印花布转化为突出蓝色的灰度图像，采用下述方式:
[0009]Gray(i, j) = (17*R(i, j)+22*G(i, j)+61*B(i, j) )/100
[0010]Gray(i, j)表示第(i，j)个像素的灰度值，得到灰度值后，将原图RGB中的R、G、B统一用 Gray (i, j)替换,形成新的颜色 RGB (Gray (i, j)、Gray(i, j)、Gray(i, j))，替换原彩色图得到灰度图像。
[0011]在一些实施方式中，其中图案纹样的归一化处理通过以下方式处理:一方面采用基于Zernike矩的图像归一化处理技术，另一方面确定蓝印花布图案纹样中的蓝色RGB值为{29，33，70}、白色 RGB 值为{251，255，255}。
[0012]在一些实施方式中，还包括对RGB的预处理后获取的待检测的图案纹样进行颜色特征的量化，其中颜色特征的量化通过以下方式处理:
[0013]白色区域:所有S〈12%且V>83的颜色为白色；即令H=0，S=O, V=I;
[0014]黑色区域:所有V〈18%的都为黑色；即令H=0，S=0，V=O;
[0015]彩色区域:除了白色与黑色区域外的都为彩色区域，其H，S，V的值保持不变；
[0016]其中H表示色彩，S表示纯度，V表示明度；
[0017]将H非均匀量化为8个部分，并将S和V划分为黑色区域、白色区域和彩色区域，对白色区域和彩色区域根据颜色区域的不同和主观颜色感知进行进一步的量化；
[0018]构造一维特征矢量，按以上量化级，将各颜色分量合成为一维特征矢量G:
[0019]G = HXQsX Qv+S X Qv+V
[0020]其中，Qs和Qv分别是S和V分量的量化级数，按照上述量化方法，量化后的颜色为72维；G的取值范围为[0，71]，确定G值得72维的一维直方图。
[0021]在一些实施方式中，其中颜色特征的提取通过以下方式处理得到颜色直方图的各个点的H(k)值:
【权利要求】
1.蓝印花布图案识别方法，包括: 对目标图案纹样进行数字化采集； 对采集的所述目标图案纹样进行RGB的预处理； 确定所述RGB的预处理后获取的所述目标图案纹样中的特征向量与标准图案纹样的相似值； 综合颜色特征与形状特征的权值得到相应检索权值，根据检索权值确定目标图案纹样相似值。
2.根据权利要求1所述的蓝印花布图案识别方法，其中所述RGB的预处理包括对所述目标图案纹样进行图案纹样的灰度化处理、图案纹样的滤波去噪处理和图案纹样的归一化处理。
3.根据权利要求2所述的蓝印花布图案识别方法，其中所述图案纹样的灰度化处理将RGB彩色蓝印花布转化为突出蓝色的灰度图像，采用下述方式:
Gray(i, j) = (17*R(i，j)+22*G(i，j)+61*B(i，j) )/100 Gray(i, j)表示第(i，j)个像素的灰度值，得到所述灰度值后，将原图RGB中的R、G、B统一用 Gray (i, j)替换,形成新的颜色 RGB (Gray (i, j)、Gray(i, j)、Gray(i, j))，替换原彩色图得到灰度图像。
4.根据权利要求2所述的蓝印花布图案识别方法，其中所述图案纹样的归一化处理通过以下方式处理: 一方面采用基于Zernike矩的图像归一化处理技术，另一方面确定蓝印花布图案纹样中的蓝色 RGB 值为{29，33，70}、白色 RGB 值为{251，255，255}。
5.根据权利要求1所述的蓝印花布图案识别方法，还包括对所述RGB的预处理后获取的待检测的图案纹样进行颜色特征的量化，其中所述颜色特征的量化通过以下方式处理: 白色区域:所有S〈12%且V>83的颜色为白色；即令H=O, S=O, V=I; 黑色区域:所有V〈18%的都为黑色；即令H=0，S=O, V=O; 彩色区域:除了白色与黑色区域外的都为彩色区域，其H，S，V的值保持不变； 其中H表示色彩，S表示纯度，V表示明度； 将H非均匀量化为8个部分，并将S和V划分为黑色区域、白色区域和彩色区域，对白色区域和彩色区域根据颜色区域的不同和主观颜色感知进行进一步的量化； 构造一维特征矢量，按以上量化级，将各颜色分量合成为一维特征矢量G: G = HXQsXQv+SXQv+V 其中，Qs和Qv分别是S和V分量的量化级数，按照上述量化方法，量化后的颜色为72维；G的取值范围为[0，71]，确定G值得72维的一维直方图。
6.根据权利要求1所述的蓝印花布图案识别方法，其中所述颜色特征的提取通过以下方式处理得到颜色直方图的各个点的H(k)值:
H[k) 二 其中k代表图案的颜色特征值，L为特征的数量，nk为图像中颜色特征为k的像素数目，N为图像的像素总数；为使直方图具有缩放不变性，对其进行归一化处理:
7.根据权利要求1所述的蓝印花布图案识别方法，其中所述颜色特征向量的相似值通过以下方式处理: 采用欧式距离算法，目标图案纹样的直方图特征矢量为Q = {q0, Q1, Q2-..qj，对比标准图案纹样的图像直方图特征矢量为S = {s0, S1, S2...sj，则欧氏距离算法采用下述方式:
8.根据权利要求1所述的蓝印花布图案识别方法，其中所述形状特征向量的相似值采用下述方式确定: 利用局部自适应阈值图像二值化对目标图案纹样进行边缘检测，对所述边缘检测后的图案纹样提取轮廓，并对各个小纹样建立一个等级树结构的轮廓数组； 利用基于不变矩的形状匹配算法将等级树结构中每一层的轮廓与标准图案纹样的轮廓进行匹配，得出各个小纹样形状特征向量的相似度值后取平均值，得出目标图案形状特征向量的相似值。
9.根据权利要求1所述的蓝印花布图案识别方法，其中所述综合颜色特征与形状特征的权值通过以下方式处理: 设I为蓝印花布图案纹样库中的标准图案纹样，Q为目标图案纹样，对Q与I的特征值S的计算如下公式:
S= (ffc*DistColor+fft*Distshape) / (ffc+fft) 其中W。、Wt分别为颜色特征向量、形状特征向量的权值，Distcolor, Distshape分别为颜色特征和形状特征的相似度值， 通过上述公式确定标准图案的相似度值Sp目标图案的相似度值Sq;则目标图案Q与标准图案I的相似度为:
Sq1=VSio
【文档编号】G06F17/30GK103871084SQ201410136920
【公开日】2014年6月18日 申请日期:2014年4月4日 优先权日:2014年4月4日
【发明者】于翔, 沈美, 姜大庆, 吴元新 申请人:南通农业职业技术学院, 于翔