基于交互式分割的蕾丝花型检索算法

张聪　李岳阳　罗海驰　蒋高明　丛洪莲

摘要： 由于蕾丝花边工艺复杂，花型图案种类繁多，且传统的基于文本的图像检索方法采用人工标注，工作量大、主观性强，不能满足蕾丝花型的检索需求，因此文章采用基于Live Wire交互式图像分割和层次匹配的方法对蕾丝花型进行检索。首先利用Live Wire算法提取蕾丝花边中一个或多个花型轮廓；然后分别提取傅立叶描述子、几何特征、灰度共生矩阵作为其特征向量；最后将每个测试花型的特征向量与1327个样本花型的特征向量进行匹配并按相似度大小排序。实验结果表明，相比于单一的特征识别，该方法具有更高的识别率，能够满足蕾丝花型的检索需求。

关键词： 蕾丝花型；Live Wire 分割算法；傅立叶描述子；几何特征；纹理特征；层次匹配

中图分类号： TS186.4文献标志码： A文章编号： 10017003（2018）04003806引用页码： 041107

Abstract： The lace process is complex， and pattern types are numerous. Besides， traditional textbased image retrievalis manually annotated， which has the advantages of heavy workload and strong subjectivity. So， it cannot meet the retrieval demand of lace. Therefore， a novel method of retrieving lace patterns based on Live Wire interactive image segmentation and hierarchical matching is proposed in this paper. One or more pattern contours were extracted by using Live Wire algorithms firstly.Then， Fourier descriptors， geometric features and gray level cooccurrence matrix were extracted respectively as feature vectors. Lastly， feature vectors of each testing pattern were matched with those of 1327 sample patterns according to similarity degree. The results show that the method proposed here presents much higher recognition rate compared with single characteristic recognition， which could meet higher standards of lace pattern retrieval.

Key words： lace pattern； Live Wire segmentation algorithms； Fourier descriptor； geometric feature； texture feature； hierarchical matching

蕾絲花边以优雅高贵浪漫的风格受到时尚界的青睐也引起了服装生产企业的重视，是重要的服装面料[1]。近年来，蕾丝花边生产厂商生产并存储的蕾丝花边产品数量越来越多，花型图案越来越复杂，针对实际营销和生产过程中，需要在成千上万的花边数据库中查找是否有包含来样花边中一个或多个花型图案的所有蕾丝花边产品，显然传统的基于文本的蕾丝花型检索方法采用人工标注，工作量大、检索准确率低，不能满足生产与经营的需要。因此，如何在织物背景复杂的蕾丝花边中较好地分割出花型，并且快速、准确地实现蕾丝花型检索是纺织行业中亟待解决的难题。

蕾丝花边是通过多把梳栉衬纬或压纱，并配合编链与衬纬形成的地组织或者同时配以贾卡形成的“网孔组织”“薄组织”及“厚组织”形成底部纹理，即复杂的花型图案[2]。凹凸不平的花型图案内部深浅不一的钩纹在数字图像处理领域表现为不同的纹理。两个不同的蕾丝花型，纹理差别非常明显，采用纹理特征作为蕾丝花型检索特征之一，是十分重要的。近两年也出现了少量关于花边织物检索的研究。Zhang等[3]在2015年用多尺度和旋转不变的LBP纹理特征对花边织物进行了检索，也证实了纹理特征对这类织物具有很好的辨识效果。2016年曹霞等[4]也用改进型纹理特征对蕾丝花边进行了检索，进一步证实了纹理特征对花边织物检索的有效性。现今主要有两种分割方式：自动分割和人工交互式分割。自动分割在很多情况下能够快速得到较好的分割结果，但当图像背景复杂或者需要对多目标进行分割时，不能达到满意的效果；交互式分割通过人机交互完成分割过程，自提出以来，由完全需要用户手工画出目标区域或勾勒出目标轮廓发展到只需用户少量干预就能完成分割过程。其中LiveWire[5]是1992年由Mortensen 等[6]提出的一种交互式分割算法，通过人工设定起始点，算法自动搜索边界，人工再次确定目标点的方法达到分割的目的，该算法能在保持很高分割精度的情况下将人工干预降到最小程度，在医学图像处理中已普及。另外交互式分割方法还有Graph Cut，相比于Live Wire，该方法在标记点较少时容易出现错分割的情况。Zahn[7]首先证明了傅立叶描述子在辨识物体形状轮廓方面具有高效和低复杂度的特点。层次匹配算法，是由Jane You和WaiKin Kong[8]提出的一种大数据下实现由粗到精逐层匹配特征量的算法，该方法利用上层特征的匹配结果，通过设置合适的阈值约束和指导下层特征的匹配，从而实现多层特征筛选匹配，保证匹配结果可靠性的同时提升了效率，并已在掌纹识别中应用。

因此，本文提出了一种基于Live Wire交互式图像分割和层次匹配的蕾丝花型检索算法，采用Live Wire分割算法提取蕾丝花边中的花型，分别提取其边界傅立叶描述子、几何特征、灰度共生矩阵特征，再进行层次筛选匹配，从而提高蕾丝花型检索的准确率。

1图像预处理

蕾丝花边图像预处理包括图像采集、图像灰度化、花型轮廓提取，其中预处理阶段除了图像采集在扫描仪上进行，其他操作都在Matlab2014b编程软件上进行。得到的花型轮廓精准程度直接影响后续特征参数的提取。由于花型纹理的复杂，自动分割不能达到满意的效果，因此本文采用Live Wire交互式分割算法提取花型轮廓，该算法的思想如下：

将花型图像看成是一个加权有向图，通过定义两个像素（节点）间代价函数计算它们之间的代价值，然后在待分割部位人工设定起始点和第一个终止点，最后通过最短路径搜索的方法（Dijkstra算法）来找到两个点的最短距离，这个最短距离即是目标边界[9]。定义局部代价函数：

2层次匹配算法

层次匹配算法是一种将庞大的特征向量库由粗到精逐层进行匹配筛选并识别的方法，避免了不必要的特征匹配与识别，省时并且能提高识别准确度，常用于图像检索中。本文基于层次匹配的蕾丝花型检索算法定义了三层特征：a）基于边界特征傅立叶描述子匹配；b）基于几何特征匹配；c）基于纹理特征。由a）中提取得到每个蕾丝花型的边界特征傅立叶描述子，然后计算每个测试花型与所有样本花型特征向量间的距离，距离最小即相似度最大，然后将距离从小到大排序，再根据实际测试花型与样本花型的正确对应关系选取合适的阈值L1，得到第一层筛选出的花型S1的模板特征向量Gback1。然后再用b）中几何特征匹配算法和几何特征满足的合适阈值L2对Gback1中特征向量进行第二层筛选。最后将第二层筛选出的所有花型特征向量进行第三层纹理特征匹配，重新排序并分析最终层次匹配算法检索效率和单个特征匹配算法检索率之间的差异。层次匹配过程如图2所示，其中S1，S2指每层筛选出来的花型，S3指最后的筛选结果，L1，L2为每层的阈值。找出所有正确样本图案当前位置，得到阈值L1=248。由于Live Wire交互式图像分割有人工参与的部分，所提取的蕾丝花型在尺寸方向上存在误差，故取L2=0.52。

2.1傅立叶描述子

花型分割出来之后，首先提取其边界轮廓特征。傅立叶描述子是物体边界轮廓曲线的傅立叶变换系数，具有很好的图型轮廓描述能力[1011]。它的基本思想是：将目标轮廓看成一个复平面，选取蕾丝花型轮廓曲线上任意一點作为起始点，沿着轮廓曲线逆时针运动一周的复函数为：

3实验与结果

将1008张蕾丝花边图像预处理分割后得到所有样本花型的数目是1327个，为了避免提取的特征完全一致，影响实验结果的判定，需再重新在1008张蕾丝花边图像中任意分割出530个花型作为测试花型，这样可以保证测试花型和样本花型在大小、边缘轮廓上存在差异，达到实验的目的。按照上文介绍的算法提取1327个样本花型的特征向量构建样本数据库，再提取单个测试花型的特征与样本数据库特征通过相似性度量的方法进行匹配，然后按照相似度大小进行排列，找到正确模板所在的位置，最终分别验证单个特征（傅立叶描述子、几何特征、纹理特征）匹配算法和本文层次匹配算法的识别效果。评判标准为：在返回的前10，30和50张花型图像中，分别查找是否有正确模板花型存在，然后统计在前10、30、50张中能够正确识别的测试花型占530个总的测试花型的比例，即正确识别率。实验所用电脑为win7 64位操作系统，四核处理器，主频2.10GHz，6.00GB内存，开发环境是MATLAB R2014b，结果如表2所示。

实验结果表明，基于交互式分割出的蕾丝花型运用层次匹配的检索方法准确率高于任一单个特征匹配，且每个花型平均识别时间为0.012s，得到准确率的同时并不影响检索速度。

4结语

本文提出了一种基于Live Wire交互式图像分割和层次匹配的蕾丝花型检索方法，即任意给定一张蕾丝花边，利用Live Wire分割算法得到其所包含的蕾丝花型，通过本文提供的层次匹配算法进行蕾丝花型特征提取和匹配，最终验证了该方法的有效性。此外，本文中蕾丝花型数据库仍需继续扩充，算法也需进一步优化，并且本文算法是否适合其他不同领域的图像检索，即算法的普适性如何，仍然需要做大量实验验证。

参考文献：

[1]何甜，吴志明.多梳拉舍尔定位蕾丝面料的边部设计[J].纺织学报，2016，37（3）：5559.

HE Tian， WU Zhiming. Edge design multibar Radchel positioning lace fabric[J]. Journal of Textile Research，2016，37（3）：5559.

[2]沈雷，吴小艺，陈赟银.蕾丝的角色转变：从辅料到面料[J].丝绸，2012，49（11）：5156.

SHEN Lei， WU Xiaoyi， CHEN Yunyin.Roletransition oflacefabric： from aaccessories to outerwears fabrics[J]. Journal of Silk， 2012，49（11）：5156.

[3]ZHANG L J， LIU X L， LU Z H， et al. Lace fabric image retrieval based on multiscale and rotation invariant LBP[C]//International Conference on Internet Multimedia Computing and Service， ACM.2015：15.

[4]曹霞，李岳阳，罗海驰，等.蕾丝花边的改进型纹理特征检索方法[J].纺织学报，2016，37（6）：142147，154.

CAO Xia， LI Yueyang， LUO Haichi， et al. Lace retrieval method based on improved texture feature[J]. Journal of Textile Research，2016，37（6）：142147，154.

[5]BARRETT W A， MORTENSEN E N. Fast， accurate， and reproducible livewire boundary extraction[J]. Proceedings of Visualization in Biomedical Computing，1996（1）：183192.

[6]王陽萍，党建武，李强，等.基于改进搜索策略的LiveWire医学图像分割算法[J].计算机工程与应用，2007，43（29）：2426.

WANG Yangping，DANG Jianwu， LI Qiang， et al.LiveWire algorithm for medical image segmentation based on improved search strategy[J].Computer Engineering and Applications， 2007，43（29）：2426.

[7]ZAHN C T，ROSKIES R Z. Fourier descriptors for plane closed curves [J]. IEEE Trans on Computers， 1972，21：26928.

[8]JANE Y， KONG W， ZHANG D， et al. On hierarchical palmprint coding with multiple features for personal identification in large databases[J]. IEEE Transactions on Circuits and Systems For Video Technology， 2004，14（2）：234243.

[9]姚伟克，庄哲民，杨金耀，等.基于改进LiveWire算法的超声图像弱边缘分割算法[J].测试技术学报，2015，29（5）：397403.

YAO Weike，ZHUANG Zhemin，YANG Jinyao， et al. Segmentation of ultrasound images with weak edge base on improved LiveWire algorithm[J]. Journal of Test and Measurement Technology， 2015，29（5）：397403.

[10]刘建立，左保齐.基于小波变换和阈值分割的织物疵点边缘检测[J].丝绸，2006（8）：4244，50.

LIU Jianli， ZUO Baoqi. Edge detection of fabric defects based on wavelet transform and threshold segmentation algorithm[J]. Journal of Silk， 2006（8）：4244，50.

[11]葛元，郭兴伟，王林泉.傅立叶描述子在手势识别中的应用[J].计算机应用与软件，2005，22（6）：1213，92.

GE Yuan， GUO Xingwei， WANG Linquan. The application of fourier descriptors to the recognition of alphabet gesture [J]. Computer Applications and Software， 2005，22（6）：1213，92.

[12]高士忠.基于灰度共生矩阵的织物纹理分析[J].计算机工程与设计，2008，29（16）：43854388.

GAO Shizhong. Analysis of fabric texture based on GLCM[J].Computer Engineering and Design， 2008，29（16）：43854388.