一种基于图像处理的布匹风格识别方法及系统技术方案

本发明专利技术涉及图像处理领域，具体涉及一种基于图像处理的布匹风格识别方法及系统，包括：根据已知风格的布匹图像获得已知风格的风格特征集合和风格控制向量；根据已知风格的风格特征集合的聚类结果获得已知风格的风格统一性和风格差异性以及风格融合程度；以风格统一性、风格差异性为权重对风格融合程度进行加权求和获得所有已知风格的泛化能力，进而获得已知风格的最优风格控制向量；根据未知风格的布匹图像以及已知风格的最优风格控制向量识别未知风格的布匹图像的风格。本发明专利技术通过分析已知风格的特征保证了在对未知风格进行识别时减少风格识别过程中的误差，使得整个识别过程具有较大的泛化能力，避免识别出从未出现的风格或者风格识别错误。格或者风格识别错误。格或者风格识别错误。

【技术实现步骤摘要】
一种基于图像处理的布匹风格识别方法及系统


[0001]本专利技术涉及图像处理领域，具体涉及一种基于图像处理的布匹风格识别方法及系统。

技术介绍

[0002]布匹作为纺织工厂生产出的产品，也是服装加工厂的原料，对布匹的管理十分重要，例如布匹出库和入库时往往要对布匹面料按风格进行分类，以便于进行管理；在纺织生产和服装设计与销售时也往往需要对不同风格的布匹的需求量统计分析，辅助不同风格布匹的生产和采购，因此对布匹的风格识别是纺织生产和服装设计领域的重要一环。
[0003]布匹的风格体现在布匹面料的粗厚结实、平滑细腻、色泽鲜艳、光洁匀整、紧密厚实、富有光泽、凹凸分明、毛型感强等质感上，布匹的风格的识别主要依靠人来进行主观判断，虽然这样判断的较为准确，但是浪费人力；对于建设智能化工厂的生产企业，一个自动的只能的布匹风格识别系统是必不可少的。
[0004]通常的可以将神经网络技术应用到布匹风格识别上，但是一方面神经网络的训练需要大量的标注数据集，而且神经网络参数量大，速度慢；另一方面不同风格的布匹其实都是布料，不像猫狗识别一样具有容易区分的纹理和明显特征，利用神经网络不太好提取不同风格布匹之间的特征，再加上布匹的风格多样化，这导致神经网络难以训练且准确率不高，考虑到这两种情况以及布匹上纹理分布具有规律且不复杂，需要一种更加准确快速的布匹风格识别方法。

技术实现思路

[0005]为了解决未知风格的布匹图像风格的准确识别问题，本专利技术的目的在于提供一种基于图像处理的布匹风格识别方法及系统。
[0006]为解决上述技术问题，本专利技术提供了一种基于图像处理的布匹风格识别方法，该方法包括以下步骤：分别获取已知风格的布匹图像，以及每个已知风格的布匹图像的亮度图和灰度图，每个亮度图进行高斯滤波获得每个光照分布图，根据每个灰度图与每个光照分布图的差值获得每个纹理分布图；在每个纹理分布图上获取每个像素周围第一范围内所有像素的灰度共生矩阵，在每个光照分布图上根据每个像素周围第二范围内的像素拟合混合高斯模型;将每个像素对应的灰度共生矩阵和混合高斯模型参数拼接成风格描述向量，每个已知风格的布匹图像上所有像素的风格描述向量称为每个已知风格的风格特征集合，每个纹理分布图的第一范围和每个光照分布图的第二范围拼接成的向量称为每个已知风格的风格控制向量；根据每个风格特征集合中风格描述向量的聚类结果获得每个已知风格的风格统一性，根据任意两个风格特征集合的聚类结果获得任意两个已知风格的风格差异性，以及
任意两个已知风格的融合程度；根据已知风格的风格统一性、风格差异性、融合程度获得所有已知风格的风格泛化能力；获取使得风格泛化能力、所有已知风格的风格统一性、任意两个已知风格的风格差异性最大的最优风格控制向量；利用最优风格控制向量和未知风格的布匹图像获取未知风格的风格特征集合，根据未知风格的风格特征集合与已知风格的风格特征集合进行比较获得未知风格的布匹图像的风格。
[0007]进一步，风格统一性的获取步骤包括：利用均值漂移算法对每个已知风格的风格特征集合中风格描述向量进行聚类并获得所有类别，将包含风格描述向量数目最多的类别称为每个已知风格的关注类别；获取每个已知风格的关注类别中所有风格描述向量的协方差矩阵，对该协方差矩阵进行特征值分解，将所有特征值的均值作为关注类别的第一聚集程度；同理，获得每个已知风格的关注类别之外所有其他类别的第二聚集程度；所有其他类别的第二聚集程度的均值与第一聚集程度的差值记为每个已知风格的风格统一性。
[0008]进一步，风格差异性的获取方法为：利用最大均值差异算法获得任意两个已知风格的关注类别的分布差异，将该分布差异作为任意两个已知风格的风格差异性。
[0009]进一步，融合程度的获取方法为：将属于每个已知风格的风格特征集合但不属于每个已知风格的关注类别的所有风格描述向量称为每个已知风格的不关注特征集合；利用最大均值差异算法获得任意两个已知风格的不关注特征集合的分布差异，将其作为任意两个已知风格的融合程度。
[0010]进一步，风格泛化能力的获取方法为：进一步，风格泛化能力的获取方法为：表示所有已知风格的风格泛化能力，表示第i个已知风格的风格统一性，表示第j个已知风格的风格统一性，i和j不相等；N表示布匹已知风格的总数；表示第i个已知风格和第j个已知风格的风格差异性，表示第i个已知风格和第j个已知风格的融合程度。
[0011]进一步，最优风格控制向量的获取步骤为：令Y表示布匹风格识别能力；表示第i个已知风格的风格统一性，N表示布匹已知风
格的总数；表示第i个已知风格和第j个已知风格的风格差异性，X表示所有已知风格的风格泛化能力；获取不同风格控制向量取值时的布匹风格识别能力的大小，将布匹风格识别能力取值最大时对应的风格控制向量作为最优风格控制向量。
[0012]进一步，每个纹理分布图的第一范围的取值包括，所述的每个光照分布图的第二范围的取值包括。
[0013]进一步，布匹图像的获取方法为：构建图像采集系统，所述的图像采集系统包括一个平行光光源，光源竖直向下照射在平方的布匹上，还包括一个RGB相机，相机视野竖直向下采集图像数据；所述的已知风格的布匹图像是指人为标注出布匹风格的所述RGB相机采集的图像，所述的未知风格的布匹图像是指未知的风格的所述RGB相机采集的图像。
[0014]本专利技术还提供一种基于图像处理的布匹风格识别系统，包括处理器和存储器，所述处理器用于处理存储在所述存储器中的指令，以实现一种基于图像处理的布匹风格识别方法。
[0015]本专利技术实施例具有如下有益效果：1.本专利技术使得风格泛化能力、所有已知风格的风格统一性、任意两个已知风格的风格差异性最大化，让每个已知风格具有准确的特征描述方法，保证了已知风格之间具有良好的可区分性，增加了未知风格识别的准确率。
[0016]2.本专利技术利用风格统一性和风格差异性以及已知风格的融合程度获得所有已知风格的风格泛化能力，保证了在对未知风格进行识别时减少风格识别过程中的误差，使得整个识别过程具有较大的泛化能力，避免识别出从未出现的风格或者风格识别错误。
[0017]3.在未知风格的识别过程中，本专利技术利用最优风格控制向量来获得未知风格的风格特征集合，保证识别过程的高效，相比神经网络的识别过程更加快速。
附图说明
[0018]为了更清楚地说明本专利技术实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
[0019]图1为本专利技术一个实施例所提供的一种基于图像处理的布匹风格识别方法的流程图。
具体实施方式
[0020]为了更进一步阐述本专利技术为达成预定专利技术目的所采取的技术手段及功能效果，以下结合附图及较佳实施例，对依据本专利技术提出的一种基于图像处理的布匹风格识别方法及系统，其具体实施方式、结构、特本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像处理的布匹风格识别方法，其特征在于，该方法包括以下步骤：分别获取已知风格的布匹图像，以及每个已知风格的布匹图像的亮度图和灰度图，每个亮度图进行高斯滤波获得每个光照分布图，根据每个灰度图与每个光照分布图的差值获得每个纹理分布图；在每个纹理分布图上获取每个像素周围第一范围内所有像素的灰度共生矩阵，在每个光照分布图上根据每个像素周围第二范围内的像素拟合混合高斯模型;将每个像素对应的灰度共生矩阵和混合高斯模型参数拼接成风格描述向量，每个已知风格的布匹图像上所有像素的风格描述向量称为每个已知风格的风格特征集合，每个纹理分布图的第一范围和每个光照分布图的第二范围拼接成的向量称为每个已知风格的风格控制向量；根据每个风格特征集合中风格描述向量的聚类结果获得每个已知风格的风格统一性，根据任意两个风格特征集合的聚类结果获得任意两个已知风格的风格差异性，以及任意两个已知风格的融合程度；根据已知风格的风格统一性、风格差异性、融合程度获得所有已知风格的风格泛化能力；获取使得风格泛化能力、所有已知风格的风格统一性、任意两个已知风格的风格差异性最大的最优风格控制向量；利用最优风格控制向量和未知风格的布匹图像获取未知风格的风格特征集合，根据未知风格的风格特征集合与已知风格的风格特征集合进行比较获得未知风格的布匹图像的风格。2.根据权利要求1所述的一种基于图像处理的布匹风格识别方法，其特征在于，所述的风格统一性的获取步骤包括：利用均值漂移算法对每个已知风格的风格特征集合中风格描述向量进行聚类并获得所有类别，将包含风格描述向量数目最多的类别称为每个已知风格的关注类别；获取每个已知风格的关注类别中所有风格描述向量的协方差矩阵，对该协方差矩阵进行特征值分解，将所有特征值的均值作为关注类别的第一聚集程度；同理，获得每个已知风格的关注类别之外所有其他类别的第二聚集程度；所有其他类别的第二聚集程度的均值与第一聚集程度的差值记为每个已知风格的风格统一性。3.根据权利要求1所述的一种基于图像处理的布匹风格识别方法，其特征在于，所述的风格差异性的获取方法为：利用最大均值差异算法获得任意两个已知风格的关注类别的分布差异，将该分布差异作为任意两个已知风格的风格...

【专利技术属性】
技术研发人员：刘小峰，刘明权，
申请(专利权)人：南通东德纺织科技有限公司，
类型：发明
国别省市：