论文部分内容阅读
随着电子商务的发展,特别是在线购衣的兴起,对图像检索技术的要求也在不断地提高。现有的服装图像检索方法,大多是基于图像的一些底层特征,如纹理,颜色,形状等方面的特征。这些图像检索方法具有普适性,任何类别的图像检索都可以使用这样的检索方法,没有针对服装固有特征进行检索,这必然导致服装检索结果不理想,检索效率不高。本文在分析现有图像检索技术研究现状的基础上,对基于内容的服装图像检索技术展开了研究,其主要的工作和创新如下:(1)对已有的图像检索技术进行了探讨,包括对不同的相似性度量方法,检索性能评价方法,图像检索系统框架进行了比较。(2)为了去除服装图像背景的影响,针对目前的Grab Cut算法具有对于图像局部像素值的变化敏感、时间开销大、边缘不准确等问题,通过对梯度图像使用多尺度分水岭去噪,这样不仅增强了图像的边缘信息,还减少了后续处理的计算量;为了减少检索图像的有效信息丢失,最后采取熵惩罚因子最优能量函数。(3)将Itti觉注意力模型引入基于基于内容的服装图像检索系统中,针对目前的它存在特征提取不充分,底层视觉特征的融合过程繁琐,同时难以整合到服装图像检索系统等问题,本文提出了就基于底层视觉特征、图像分割和感兴趣区域三个方面改进的Itti视觉注意力模型。将纹理特征引入,从而纹理粒度能够在检索系统中得到反映;通过分别对颜色、亮度、朝向以及纹理显著图进行阈值分割,找到颜色、亮度、朝向以及纹理兴趣图,使图像分割结果更高效、准确;利用种子点区域生长算法,结合兴趣区域合并准则,得到更能代表图像显著区域的视觉特征,显著的提高了检索系统的查全率和查准率。(4)提出了基于服装图像故有特征的图像检索方法,服装图像故有特征主要包括检索服装图像的衣领、衣袖和衣扣等三方面的特征,通过这些特征对这些特征的提取,服装图像的检索准确率有了较大的提高。