[发明专利]一种基于视觉显著区域和手绘草图的服装图像检索方法

说明书

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。

技术领域

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

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。

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、骨架特征和分层拓扑等，例如Pedro Sousa(Journal of Visual Languages Computing,2011,21(2):69-80)提出了一种用于提高图像的几何关系的匹配能力； 边界匹配的方法是针对边界的位置或形状进行匹配，不需要计算图像上的特征信息， 例如Cao(IEEEConference on Computer Vision and Pattern Recognition, 2011:761-768)提出了一种边缘像素点索引的方法，该文中提出了一种叫“Hit Ma p” 的二值距离变换图，此方法虽然应用于大规模数据上有效，但是检索精度有限；在 基于特征提取法的检索算法法中，例如Eitz M(IEEE Transactions on Visualization Computer Graphics,2011,17(11):1624-1636)提出SHOG算子来描述二值图像的特 征，它是HOG的一个改进后的变种，该方法能够获得较好的检索结果；基于深度学 习法的检索算法中，例如2015年由Yu Q,Yang Y(IEEE International Conference on Image Processing,2015:2460-2464)人首次提出的Sketch-a-Net深度学习模型应用到 手绘草图上。然而，这些方法都没有考虑到图像背景对检索的影响以及服装图像的 款式变化、手绘风格各不相同等因素，具有一定的局限性。服装图像背景复杂，公 知的方法并没有对此进行有效地处理；公知的基于手绘草图的图像检索方法没有考 虑服装图像的款式变化、手绘风格不一等因素，此外，由于服装草图高度抽象化和 图标化导致检索的准确率不高。

发明内容

本发明提供了一种基于视觉显著区域和手绘草图的服装图像检索方法，以有准确高效的检测服装图像的视觉显著区域并检索服装图像，从而满足目前大规模服装 检索的需求。

本发明的技术方案是：一种基于视觉显著区域和手绘草图的服装图像检索方法，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。

所述方法的具体步骤如下：