摘  要： 為了充分利用經編賈卡織物圖像的廣泛資源，探索“互聯網+”背景下紡織企業的信息化道路，探討了織物圖像智能檢索系統的開發設計。根據現有方法特征維數過高的不足，提出了運用奇異值分解的方法進行織物圖像檢索，并使用相關系數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計與實現。實驗結果表明，該方法對于賈卡經編織物檢索速度快，準確度高，具有一定的實用價值。

　　關鍵詞： 織物；經編賈卡；圖像檢索；SVD；相似度

0 引言

　　隨著圖像獲取技術的快速發展，數字圖像在人們的生活中起著越來越重要的作用，數字圖像處理技術已經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現有大量經編賈卡織物的圖像資源，組建了經編圖案庫，從經編賈卡圖案智能檢索入手，探討在“互聯網+”背景下，紡織圖像檢索的信息化建設，從而實現“以圖找圖”的技術革新。目前，國內外對于經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，主要問題是準確率不高、特征維數過高、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據庫，高維向量的存儲以及高維空間中距離的計算，其空間復雜度和運算復雜度非常高。針對這一問題，本文采用奇異值分解（SVD）的算法用于經編賈卡織物的圖像檢索，既能降低特征的維數，又能包含織物圖像的主要信息[5]。在MFC框架的基礎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，該方法對于經編賈卡織物適用性好，檢索效果良好，準確率高，具有一定的實用價值。

1 圖像采集與預處理

　　本文采用CCD攝像機，采集圖像標準大小為256×256，分別選取不同顏色和紋理的真彩色經編賈卡織物圖像，同時為了檢測本文算法的準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

　　隨著數學方法的廣泛應用，矩陣分解已發展為處理大數據的常用方法。在圖像處理的應用中，通過矩陣分解既可以降低圖像特征向量的維數，又能夠減少存儲空間。奇異值分解是一種數據降維的有效手段，一般地，大的奇異值對應矩陣中的主要信息，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Am×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成一個行向量，因此，每一個織物圖像對應于唯一的奇異值特征向量。SVD后的奇異值具有如下性質：（1）穩定性：矩陣元素值的微小變化不會引起奇異值大的變化；（2）奇異值與對應矩陣元素值成比例變化；（3）位移不變性和轉置不變性。基于奇異值分解的優點，本文選用奇異值分解進行織物圖像的特征提取。

　　3 相關距離測度

　　織物圖像經過奇異值分解后，將奇異值作為特征構造每幅圖像的特征向量。于是織物圖像的相似性問題就轉化為比較兩個特征向量的相關程度。本文采用計算相關系數的方法，相關系數可以用來量化兩個特征向量的相關程度。在實際應用中，更常用的是采用去均值相關系數來判斷兩個向量的相關程度。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個特征向量的相關系數，其取值范圍為[0，1]，相關系數越接近1，表示相似性越高。

　　4 實驗與結果分析

　　本實驗操作系統采用Windows7，4 GB內存，開發平臺為vs2012，運用MFC創建可視化的操作界面，并采用OpenCV庫進行織物圖像的處理。本文設計的織物檢索系統主要由選擇圖案、選擇檢索目錄、開始檢索、顯示結果等幾大部分組成。

　　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，首先應對圖像庫中的所有圖像進行SVD來提取特征并存放在數據庫中，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，引入查全率和查準率的概念。查全率和查準率是判斷檢索效果的常用方法。查準率是指返回的結果中相關圖像的數目和已檢索出的圖像數目之間的比值；查全率是指返回的結果中相關圖像與所有相關圖像的數目之間的比值。分別定義為：

　　圖2中，（a）、（c）表示SVD圖像檢索的結果，（b）、（d）表示顏色直方圖檢索結果。根據圖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，查準率為75%，而顏色直方圖檢索結果中，僅7幅圖像相似，查準率為58.3%。并且在SVD中能夠將顏色不同、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，可認為相似圖像有11幅，查準率為91.7%，但顏色直方圖檢索中只有4幅相似圖像，查準率只有33.3%。同時在圖像信息的采集過程中，難免產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的魯棒性。如表1所示，列舉了其中5組實驗的查準率和檢索時間。由表1可以看出，SVD對于賈卡經編織物的查準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與平均查準率之間的變化關系，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。可以看出當維數為36時，實驗效果最佳。從而選擇維數為36，進一步提高檢索速度。

5 結束語

　　隨著“互聯網+”概念的進一步深入以及圖像檢索技術的進一步發展，紡織企業轉型也迫在眉睫。本文對經編賈卡圖像智能檢索系統的開發研究填補了紡織企業在信息化方面的空白。“互聯網+客戶個性需求”將是多數紡織企業轉型的方向，本文設計的系統能讓企業快速檢索出與客戶所提供的經編賈卡圖案相似的圖案，實現“以圖找圖”，從而提高生產效率，進而可以滿足個性化的市場需求，同時也可避免重復開發的成本。本文主要根據經編賈卡織物圖案的特點，采用SVD提取圖像特征，并用相關系數進行相似度測量，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的研究[M].北京：人民郵電出版社，2008.

　　[2] 曾奇森.基于內容的圖像檢索相關技術研究[D].南京：南京理工大學，2007.

　　[3] 曹莉華，柳偉，李國輝.基于多種主色調的圖像檢索算法研究與實現[J].計算機研究與發展，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，2010.

　　[5] 荊曉遠，郭躍飛，楊鏡宇.基于奇異值特征的圖像預處理及人臉識別[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].成都紡織高等專科學校學報，2015，32（2）：29-32.

　　[7] 張勇，孫永陪.經編間隔織物運動鞋面料工藝設計[J].成都紡織高等專科學校學報，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].軟件學報，2003，14（4）：783-789.