一种基于视觉显著区域和手绘草图的服装图像检索方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN108959379A(43)申请公布日2018.12.07(21)申请号201810526705.5(22)申请日2018.05.29(71)申请人昆明理工大学地址650093云南省昆明市五华区学府路253号(72)发明人刘骊吴传彬付晓东黄青松刘利军(51)Int.Cl.G06F17/30(2006.01)G06K9/62(2006.01)权利要求书1页说明书6页附图3页(54)发明名称一种基于视觉显著区域和手绘草图的服装图像检索方法(57)摘要本发明涉及一种基于视觉显著区域和手绘草图的服装图像检索方法，属于计算机视觉及图像应用领域。本发明首先采用正则化随机漫步算法对输入的服装图像库进行视觉显著区域检测，并结合其边缘轮廓信息，得到服装边缘图像库；其次，对输入的服装草图和服装边缘图像进行特征提取，提取服装草图和服装边缘图像各自的HOG特征以及服装图像的SIFT特征；然后，通过计算服装草图特征和服装边缘特征的相似度，实现特征匹配；最后，按照特征匹配结果在服装图像库中检索与服装草图相似的服装图像，采用基于流形学习的距离度量算法对其相似度进行排序并输出检索结果。本发明的检索方法具有较高的准确率和效率。CN108959379ACN108959379A权利要求书1/1页1.一种基于视觉显著区域和手绘草图的服装图像检索方法，其特征在于：首先采用正则化随机漫步算法对输入的服装图像库进行视觉显著区域检测，并结合其边缘轮廓信息，得到服装边缘图像库；其次，对输入的服装草图和服装边缘图像进行特征提取，提取服装草图和服装边缘图像各自的HOG特征以及服装图像的SIFT特征；然后，通过计算服装草图特征和服装边缘特征的相似度，实现特征匹配；最后，按照特征匹配结果在服装图像库中检索与服装草图相似的服装图像，采用基于流形学习的距离度量算法对其相似度进行排序并输出检索结果。2.根据权利要求1所述的基于视觉显著区域和手绘草图的服装图像检索方法，其特征在于：所述方法的具体步骤如下：Step1、采用正则化随机漫步算法对输入的服装图像库I＝{I1,I2,...,In}进行视觉显著区域检测，并结合其边缘轮廓信息，得到服装边缘图像库I'＝{I′1,I'2,...,I'n}；Step2、对输入的服装草图S和服装边缘图像库I'中的图像分别进行特征提取，采用GF-HOG算法提取其HOG特征，得到服装边缘特征和服装草图特征；采用DSIFT算法提取服装图像库I中图像的SIFT特征；Step3、根据Step2的方法处理后得到的服装草图S和服装边缘图像I'＝{I′1,I'2,...,I'n}的HOG特征、以及服装图像库I＝{I1,I2,...In}中服装图像的SIFT特征；采用直方图相交方法计算服装草图S和服装边缘图像I'之间的HOG特征相似度，进行HOG特征匹配；采用直方图相交方法计算不同服装草图之间的HOG特征相似度，进行HOG特征匹配；采用相对熵方法计算不同服装图像之间的SIFT特征相似度，进行SIFT特征匹配；Step4、按照特征匹配结果在服装图像库中检索与服装草图相似的服装图像，采用基于流形学习的距离度量算法对其相似度进行排序并输出检索结果。3.根据权利要求1所述的基于视觉显著区域和手绘草图的服装图像检索方法，其特征在于：所述Step1具体如下：将服装图像过分割为超像素，所有超像素的每个边界作为一个连通区域，利用公式计算每个边界的归一化RGB直方图，其中b∈{top,bottom,left,right}表示四条边的位置，l表示服装区域总像素数，r＝0,…,255，Iq表示像素q的强度值，δ()是单位冲激函数，再计算四个边界直方图中任意两个的欧氏距离将得到的矩阵Z逐列求和后去除其边界，并采用正则化的随机漫步算法生成服装显著区域，再采用Canny算子对服装图像进行边缘信息提取，得到初始的边缘检测图，将服装显著区域与初始的边缘检测图进行逐像素相乘得出服装边缘图像，并形成服装边缘图像库I'。2CN108959379A说明书1/6页一种基于视觉显著区域和手绘草图的服装图像检索方法技术领域[0001]本发明涉及一种基于视觉显著区域和手绘草图的服装图像检索方法，属于计算机视觉及图像应用技术领域。背景技术[0002]随着时尚服装的发展和移动触摸设备的普及，基于文字的服装检索已不能满足广大消费者的需求，由于人们可以随时随地在手机、平板等触屏设备上轻松涂鸦，描绘出自己想要的商品模样，基于手绘草图的服装图像检索方法便成为了改善服装图像检索的有效途径之一。[0003]公知的基于手绘草图的图像检索方法主要有几何关系法、边界匹配法、特征提取法和深度学习法。其中，公知的基于几何关系的方法主要有曲率尺度空间、外接矩形、骨架特征和分层拓