基于Sift特征的服裝紙樣檢索

戴斌輝，王曉云，張鴻志

（1.天津工業(yè)大學(xué)藝術(shù)與服裝學(xué)院，天津 300387；2.天津工業(yè)大學(xué)紡織學(xué)院，天津 300160）

基于Sift特征的服裝紙樣檢索

戴斌輝1，王曉云1，張鴻志2

（1.天津工業(yè)大學(xué)藝術(shù)與服裝學(xué)院，天津 300387；2.天津工業(yè)大學(xué)紡織學(xué)院，天津 300160）

提出了基于Sift特征的服裝紙樣檢索方法.首先提取服裝結(jié)構(gòu)圖的Sift特征，再采用近似的最近鄰搜索算法在紙樣數(shù)據(jù)庫(kù)中檢索相似紙樣.該方法對(duì)于相似的圖像或子圖像具有良好的識(shí)別能力，可大大減少服裝紙樣檢索的時(shí)間，從而有效利用已有的紙樣庫(kù)資源，避免重復(fù)打板.另外，該方法還可用于甄別服裝板型結(jié)構(gòu)設(shè)計(jì)的原作.

Sift算法；Sift特征匹配；紙樣檢索；服裝紙樣

參數(shù)化設(shè)計(jì)已廣泛運(yùn)用到服裝紙樣設(shè)計(jì)中，參數(shù)驅(qū)動(dòng)機(jī)制的運(yùn)行是通過(guò)一個(gè)強(qiáng)大的關(guān)系數(shù)據(jù)庫(kù)，存儲(chǔ)參數(shù)之間的約束關(guān)系以及各實(shí)體之間的對(duì)應(yīng)關(guān)系.在紙樣圖中修改后，不僅反映在紙樣結(jié)構(gòu)圖的變化中，相應(yīng)的裁片、排料圖中也作了同步變化，免去了設(shè)計(jì)者的重復(fù)工作，提高了效率.目前服裝CAD系統(tǒng)中設(shè)計(jì)完成的紙樣結(jié)構(gòu)是根據(jù)款式名稱或編號(hào)來(lái)存檔的，設(shè)計(jì)師根據(jù)常見(jiàn)的服裝類型設(shè)計(jì)出基本紙樣（也稱頭樣），無(wú)論款式怎樣變化、多么復(fù)雜，都可以在基本紙樣基礎(chǔ)上進(jìn)行部件的增減設(shè)計(jì)，但以款式名稱檢索的方法缺少一定的直觀性，操作繁雜.而且每個(gè)企業(yè)命名的方法都不一樣，這樣也給查找?guī)?lái)了一定的困難.為了更好的重復(fù)利用各款式，本文提出了基于Sift特征的服裝紙樣檢索方法.

1 Sift算法

1.1 圖像多尺度表示

尺度空間理論最早出現(xiàn)于計(jì)算機(jī)視覺(jué)領(lǐng)域時(shí)，其目的是模擬圖像數(shù)據(jù)的多尺度特征.Koendetink證明高斯卷積核是實(shí)現(xiàn)尺度變換的唯一變換核，而Lindeberg等人則進(jìn)一步證明高斯核是唯一的線性核.

二維高斯函數(shù)定義如下[1-2]：

式中：σ代表了高斯正態(tài)分布的方差.

一幅二維圖像，在不同尺度下的尺度空間表示可由圖像與高斯核卷積得到：

式中：（x，y）代表圖像的像素位置；ξ稱為尺度空間因子，其值越小則表示該圖像被平滑的越少，相應(yīng)的尺度也就越小；大尺度對(duì)應(yīng)于圖像的概貌特征，小尺度對(duì)應(yīng)于圖像的細(xì)節(jié)特征；L代表了圖像的尺度空間.

1.2 Sift特征匹配算法介紹

David Lowe于1999年提出了Sift局部特征描述子，并于2004年在總結(jié)了現(xiàn)有的基于不變量技術(shù)的特征測(cè)量方法的基礎(chǔ)上提出了Sift特征匹配算法，這是一種基于尺度空間的、對(duì)圖像縮放、旋轉(zhuǎn)甚至仿射變換保持不變性的特征匹配算法.Sift特征是圖像的局部特征，該特征對(duì)旋轉(zhuǎn)、尺度縮放、亮度變化保持不變性，對(duì)視角變化、仿射變換、噪聲也保持一定程度的穩(wěn)定性.因此可以采用此算法處理2幅圖像之間發(fā)生平移、旋轉(zhuǎn)、仿射變換情況下的匹配問(wèn)題，其具有很強(qiáng)的匹配能力.

Sift算子具有以下特性：

（1）Sift特征是圖像的局部特征，對(duì)平移、旋轉(zhuǎn)、尺度縮放、亮度變化、遮擋和噪聲等具有良好的不變性，對(duì)視覺(jué)變化、仿射變換也保持一定程度的穩(wěn)定性[3-4].

（2）獨(dú)特性好，信息量豐富，適用于在海量特征數(shù)據(jù)庫(kù)中進(jìn)行快速、準(zhǔn)確的匹配.

（3）多量性，即使少數(shù)的幾個(gè)物體也可以產(chǎn)生大量Sift特征向量.

（4）速度相對(duì)較快，經(jīng)優(yōu)化的Sift匹配算法甚至可以達(dá)到實(shí)時(shí)的要求.

（5）可擴(kuò)展性強(qiáng)，可以很方便的與其他形式的特征向量進(jìn)行聯(lián)合.

1.3 服裝結(jié)構(gòu)圖Sift特征的提取

Sift特征的提取有如下4個(gè)步驟：

（1）服裝結(jié)構(gòu)尺度空間極值點(diǎn)檢測(cè).對(duì)輸入圖像先進(jìn)行增量式的高斯卷積以建立DoG空間，然后在3個(gè)相鄰尺度的領(lǐng)域中搜索極值點(diǎn)，初步得到服裝結(jié)構(gòu)特征點(diǎn)的位置.如圖1所示，初步得到紙樣繪制過(guò)程中的一些特征點(diǎn).

（2）對(duì)服裝結(jié)構(gòu)特征點(diǎn)的精確定位.如圖2所示，去掉紙樣結(jié)構(gòu)中的一些輔助點(diǎn).

（3）為服裝結(jié)構(gòu)特征點(diǎn)分配方向值，使得方向不變.創(chuàng)建梯度方向直方圖，選擇主峰值作為特征點(diǎn)的方向，達(dá)到主峰值80%以上的局部峰值視為輔助方向，以增強(qiáng)特征的健壯性.如圖3所示.

（4）生成服裝結(jié)構(gòu)特征描述子.將特征點(diǎn)16×16領(lǐng)域中各點(diǎn)的坐標(biāo)按高斯加權(quán)歸入4×4的位置網(wǎng)絡(luò)，將其于特征點(diǎn)的相對(duì)方向加權(quán)得到8格方向直方圖，從而獲得128維的描述子，如圖4所示.

圖1 極值點(diǎn)檢測(cè)Fig.1 Detection of extreme points

圖2 特征點(diǎn)精確定位Fig.2 Precise positioning of feature points

圖3 特征點(diǎn)分配方向值Fig.3 Distribution of drection value of feature points

圖4 生成特征描述子Fig.4 Generate characteristic descriptor

1.4 服裝結(jié)構(gòu)圖的Sift特征匹配

服裝結(jié)構(gòu)特征匹配如圖5所示，（a）為所畫(huà)的服裝結(jié)構(gòu)圖，（b）為紙樣庫(kù)中的服裝結(jié)構(gòu)圖.

圖5 服裝結(jié)構(gòu)特征匹配Fig.5 Garment pattern feature matching

當(dāng)2幅圖像的Sift特征向量生成以后，下一步就可以采用關(guān)鍵點(diǎn)特征向量的歐式距離來(lái)作為2幅圖像中關(guān)鍵點(diǎn)的相似性判定度量.取圖3服裝結(jié)構(gòu)圖的某個(gè)關(guān)鍵點(diǎn)，并找出與紙樣庫(kù)中的距離最近的前2個(gè)關(guān)鍵點(diǎn).在這2個(gè)關(guān)鍵點(diǎn)中，如果最近距離除以次近距離小于某個(gè)比例闕值，則接受這一對(duì)匹配點(diǎn).降低這個(gè)比例闕值，Sift匹配點(diǎn)數(shù)目會(huì)減少，但更加穩(wěn)定.

如圖5所示，只要畫(huà)出服裝結(jié)構(gòu)大致輪廓圖，就能快速的在紙樣庫(kù)中檢索到相似的服裝結(jié)構(gòu)圖，這樣可以降低打板難度，也省去了一些服裝結(jié)構(gòu)局部的重復(fù)打板，如圖5中可以省去畫(huà)省的時(shí)間.

對(duì)于一些局部結(jié)構(gòu)特別的紙樣，可以通過(guò)局部的繪制，如領(lǐng)子、袖子等，就能檢索出整個(gè)服裝紙樣，或者檢索出相似的服裝結(jié)構(gòu)，進(jìn)行修改.

2 基于Sift算法的服裝紙樣檢索系統(tǒng)

服裝紙樣檢索的目的可歸結(jié)為：給定一個(gè)待查紙樣結(jié)構(gòu)圖，確定它是否和紙樣庫(kù)中任何一個(gè)足夠相似以至造成混淆.利用Sift特征，可準(zhǔn)確查找出數(shù)據(jù)庫(kù)中潛在的相似特征，并具有很強(qiáng)的健壯性，適合用于紙樣結(jié)構(gòu)檢索.檢索時(shí)需要注意以下幾點(diǎn)：

（1）應(yīng)對(duì)紙樣結(jié)構(gòu)圖進(jìn)行降噪處理，以避免產(chǎn)生無(wú)意義的特征，對(duì)檢索的速度和準(zhǔn)確度造成干擾.

（2）特征點(diǎn)的數(shù)量對(duì)檢索也有很大的影響.特征點(diǎn)過(guò)多不僅會(huì)使檢索速度變慢而且也不必要；特征點(diǎn)過(guò)少又容易造成漏檢.因此，構(gòu)建紙樣數(shù)據(jù)庫(kù)時(shí)應(yīng)對(duì)圖像產(chǎn)生的特征點(diǎn)數(shù)量進(jìn)行歸一控制.

（3）隨著企業(yè)的發(fā)展，紙樣數(shù)據(jù)庫(kù)會(huì)越來(lái)越龐大，因此，檢索所需的計(jì)算量也成為應(yīng)考慮的問(wèn)題，本文在檢索階段采用近似的最近鄰搜索算法，使用該算法可以在不顯著減低匹配精度的情況下有效提高檢索速度.

本文構(gòu)建的紙樣檢索系統(tǒng)框架如圖6所示.

對(duì)于很多服裝企業(yè)來(lái)說(shuō)，該系統(tǒng)使用起來(lái)存在一定的局限性，因?yàn)閲?guó)內(nèi)中小服裝企業(yè)占多數(shù)，而且服裝企業(yè)的產(chǎn)品取決于各類服裝的生產(chǎn)線，每個(gè)企業(yè)只生產(chǎn)滿足自身設(shè)備技術(shù)條件的同類產(chǎn)品，例如西裝的基本板型只有幾種.所以該系統(tǒng)比較適合服裝款式多，周期短的中大型服裝企業(yè).

圖6 紙樣檢索系統(tǒng)框架Fig.6 System of pattern retrieval

服裝是流行的產(chǎn)物，款式和結(jié)構(gòu)每年都會(huì)隨流行的審美時(shí)尚而變，即使是款式完全相同的服裝，不同時(shí)期設(shè)計(jì)的紙樣結(jié)構(gòu)也不同，因此查找完全相同的款式有一定的難度.該系統(tǒng)在服裝結(jié)構(gòu)特征匹配后，會(huì)進(jìn)行相似度排序，查找出相似的結(jié)構(gòu)圖.

對(duì)于一些自主生產(chǎn)或者有品牌的服裝企業(yè)來(lái)說(shuō)，可以創(chuàng)建一個(gè)原作紙樣庫(kù).出于知識(shí)產(chǎn)權(quán)保護(hù)目的，用Sift描述子進(jìn)行圖形的識(shí)別，甄別服裝板型結(jié)構(gòu)設(shè)計(jì)的原作.

3 結(jié)束語(yǔ)

如何提高服裝企業(yè)的生產(chǎn)效率并節(jié)省生產(chǎn)成本是很多企業(yè)考慮的重點(diǎn).本文提出了一種用Sift描述子進(jìn)行紙樣結(jié)構(gòu)圖的檢索算法，它對(duì)于相似的圖像或子圖像具有良好的識(shí)別能力.基于Sift特征開(kāi)發(fā)紙樣檢索系統(tǒng)的，大大減少了打板時(shí)間，從而提高了企業(yè)的生產(chǎn)效率.

[1]王國(guó)美，陳孝威.SIFT特征匹配算法研究[J].鹽城工學(xué)院學(xué)報(bào)，2007，20（2）：1-5.

[2]劉 立，彭復(fù)員，趙 坤，等.采用簡(jiǎn)化SIFT算法實(shí)現(xiàn)快速圖像匹配[J].紅外與激光工程，2008，37（1）：181-184.

[3] 林傳力，趙宇明.基于sift特征的商標(biāo)檢索算法[J].計(jì)算機(jī)工程，2008，23：275-277.

[4]李云霞，曾 毅，鐘瑞燕，等.基于SIFT特征匹配的圖像拼接算法[J].計(jì)算機(jī)技術(shù)與發(fā)展，2009，19（1）：43-45.

Pattern retrieval algorithm based on Sift feature

DAI Bin-hui1，WANG Xiao-yun1，ZHANG Hong-zhi2
（1.School of Art and Clothing，Tianjin Polytechnic University，Tianjin 300387，China；2.School of Textiles，Tianjin Polytechnic University，Tianjin 300160，China）

The way to search for the same draft based on Sift feature is proposed.By use of DoG，Sift consists of adjacent scale Gaussian differential unclear and input image convolution，the calculation of scale space is simplified.It has a good ability to identify the similar image or sub-image，it will save a lot time，so that we can use the source of draft best，avoiding doing the same draft and wasting time.In addition，the method is significantly used to identify clothing original design of plate-type pattern.

Sift；Sift feature matching；pattern retrieval；garment pattern

book=3,ebook=111

TS941.2

A

1671－024X（2010）03－0037－03

2009-11-19

戴斌輝（1985—），男，碩士研究生.

王曉云（1963—），女副教授，碩士生導(dǎo)師.E-mail：kanxinwenlianbo@163.com