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)的開發(fā)設(shè)計。根據(jù)現(xiàn)有方法特征維數(shù)過高的不足,，提出了運用奇異值分解的方法進行織物圖像檢索,，并使用相關(guān)系數(shù)作為織物圖像間相似度的測量。最后在MFC框架下,，運用OpenCV開源視覺庫進行了整體的設(shè)計與實現(xiàn),。實驗結(jié)果表明，該方法對于賈卡經(jīng)編織物檢索速度快,，準(zhǔn)確度高,，具有一定的實用價值。

　　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,，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),，從而實現(xiàn)“以圖找圖”的技術(shù)革新,。目前，國內(nèi)外對于經(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,，主要問題是準(zhǔn)確率不高、特征維數(shù)過高,、檢索速度較慢,。

　　圖像特征一般以高維向量表示,，但對于大型的圖像數(shù)據(jù)庫，高維向量的存儲以及高維空間中距離的計算,，其空間復(fù)雜度和運算復(fù)雜度非常高,。針對這一問題，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)上利用先進的機器視覺庫OpenCV對賈卡圖像進行分析研究,。實驗表明,，該方法對于經(jīng)編賈卡織物適用性好，檢索效果良好,，準(zhǔn)確率高,，具有一定的實用價值。

1 圖像采集與預(yù)處理

　　本文采用CCD攝像機,，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，同時為了檢測本文算法的準(zhǔn)確性和模擬實際的采樣誤差,，對于同一幅織物樣品,，拍攝多張圖像，本次試驗樣本庫共有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,，即減少采集過程中帶來的噪聲干擾,，選用中值濾波的方式，主要去除圖像中的椒鹽噪聲,；（2）對圖像的尺寸進行縮放,，為了加快計算速度，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)處理過程,，其中圖1（a）表示去噪和尺寸縮放后的圖像,，圖1（b）為對圖1（a）進行灰度化后的圖像。

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，大的奇異值對應(yīng)矩陣中的主要信息,，于是運用SVD進行織物的圖像處理,，提取其中的主要部分，是合理可行的[8],。

　　令A(yù)m×n是實矩陣,，且rank（A）=k，于是存在對角矩陣Dm×n和兩個正交矩陣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）就是對其進行奇異值分解。將矩陣對角線上的非零奇異值元素構(gòu)成一個行向量,，因此,，每一個織物圖像對應(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引起奇異值大的變化,；（2）奇異值與對應(yīng)矩陣元素值成比例變化,；（3）位移不變性和轉(zhuǎn)置不變性?；谄娈愔捣纸獾膬?yōu)點,，本文選用奇異值分解進行織物圖像的特征提取。

　　3 相關(guān)距離測度

　　織物圖像經(jīng)過奇異值分解后,，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題就轉(zhuǎn)化為比較兩個特征向量的相關(guān)程度。本文采用計算相關(guān)系數(shù)的方法,，相關(guān)系數(shù)可以用來量化兩個特征向量的相關(guān)程度。在實際應(yīng)用中,，更常用的是采用去均值相關(guān)系數(shù)來判斷兩個向量的相關(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 實驗與結(jié)果分析

　　本實驗操作系統(tǒng)采用Windows7,，4 GB內(nèi)存，開發(fā)平臺為vs2012,，運用MFC創(chuàng)建可視化的操作界面,，并采用OpenCV庫進行織物圖像的處理,。本文設(shè)計的織物檢索系統(tǒng)主要由選擇圖案、選擇檢索目錄,、開始檢索,、顯示結(jié)果等幾大部分組成。

　　為了檢驗本文提出算法的適用性,，與常用的顏色直方圖檢索算法進行對比分析,。實際的織物檢索過程中，對于大量圖像樣本庫,，首先應(yīng)對圖像庫中的所有圖像進行SVD來提取特征并存放在數(shù)據(jù)庫中,，然后選定示例圖片，按公式計算它與圖像庫中所有圖像的相似程度,。按相似度從大到小進行排序,，取前N幅圖像顯示，并將相似度大小顯示在圖像下方,。在本文的測試實驗中,，直接選定圖像庫所在目錄進行檢索，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，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,，本文算法有良好的檢索效果。比較第一組實驗圖（a）和（b）,，對于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，從而克服顏色直方圖不能體現(xiàn)局部紋理信息的缺點,。比較第二組實驗圖（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%,。同時在圖像信息的采集過程中,，難免產(chǎn)生測試圖像與樣本庫中圖像方向和大小的不一致性，SVD也保持了對于圖像位移和旋轉(zhuǎn)的魯棒性,。如表1所示,，列舉了其中5組實驗的查準(zhǔn)率和檢索時間。由表1可以看出,，SVD對于賈卡經(jīng)編織物的查準(zhǔn)率要高于顏色直方圖檢索算法,，SVD檢索算法所花時間與直方圖相比較長，但相對于實際運用,，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,，特征向量從8維遞增到64維,。可以看出當(dāng)維數(shù)為36時,，實驗效果最佳。從而選擇維數(shù)為36,，進一步提高檢索速度,。

5 結(jié)束語

　　隨著“互聯(lián)網(wǎng)+”概念的進一步深入以及圖像檢索技術(shù)的進一步發(fā)展，紡織企業(yè)轉(zhuǎn)型也迫在眉睫,。本文對經(jīng)編賈卡圖像智能檢索系統(tǒng)的開發(fā)研究填補了紡織企業(yè)在信息化方面的空白,。“互聯(lián)網(wǎng)+客戶個性需求”將是多數(shù)紡織企業(yè)轉(zhuǎn)型的方向,，本文設(shè)計的系統(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,，實現(xiàn)“以圖找圖”,，從而提高生產(chǎn)效率，進而可以滿足個性化的市場需求,，同時也可避免重復(fù)開發(fā)的成本,。本文主要根據(jù)經(jīng)編賈卡織物圖案的特點，采用SVD提取圖像特征,，并用相關(guān)系數(shù)進行相似度測量,，通過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,，具有一定的實用價值。

參考文獻

　　[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，李國輝.基于多種主色調(diào)的圖像檢索算法研究與實現(xiàn)[J].計算機研究與發(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?？茖W(xué)校學(xué)報,，2015，32（2）：29-32.

　　[7] 張勇,，孫永陪.經(jīng)編間隔織物運動鞋面料工藝設(shè)計[J].成都紡織高等?？茖W(xué)校學(xué)報，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投影的人臉識別[J].軟件學(xué)報,，2003,，14（4）：783-789.