Web服裝圖像檢索系統(tǒng)研究與實現(xiàn).pdf

1、服裝圖像檢索是傳統(tǒng)圖像檢索技術(shù)與電子商務(wù)相結(jié)合的新興領(lǐng)域。近年來，隨著用戶在電子商務(wù)網(wǎng)站上購買服裝這一消費行為的日趨流行，以及服裝類電子商務(wù)的蓬勃發(fā)展，服裝圖像檢索技術(shù)是目前活躍度較高的一個研究熱點。
　　傳統(tǒng)的圖像檢索技術(shù)十分成熟，但是直接運用在圖像數(shù)量規(guī)模龐大的服裝類電子商務(wù)領(lǐng)域仍然存在不少問題。既要避免人工標注圖像的巨大工作量，要保證瀏覽器前的用戶在失去耐心前得到檢索結(jié)果，又要保障檢索的準確率足以激發(fā)用戶再次使用的欲望，這些

2、都是服裝類電子商務(wù)對圖像檢索技術(shù)的基本要求。
　　本篇論文針對以上情況，研究和實現(xiàn)了一個服裝圖像檢索系統(tǒng)，主要內(nèi)容包括：提取三大CBIR特征、提取尺度不變特征興趣點、對特征點聚類、基于詞袋模型構(gòu)建統(tǒng)一描述符。
　　提取三大 CBIR特征是就服裝的顏色、形狀、紋理特征展開研究，分別以RGB顏色統(tǒng)計直方圖、Canny邊緣檢測算子、Tamura紋理描述算子對服裝圖像提取底層特征，并做了相關(guān)實例演示。
　　在尺度不變特征點的檢

3、測方面，首先多次運用濾波函數(shù)對原圖像進行濾波處理，構(gòu)造平移不變、尺度不變的尺度空間，隨后利用導數(shù)在尺度空間找出所有的極值點，最后在精度上加大限制，減小適應(yīng)范圍，剩下的就是穩(wěn)定的特征點?？紤]到SIFT算法復雜度高且運行時間較長，本文采用改良的SURF算法用以提升效率。
　　特征點聚類，是對服裝圖像數(shù)據(jù)集檢測所有尺度不變特征點，對全部特征點的SURF向量描述進行聚類的過程。采用的是在數(shù)據(jù)挖掘領(lǐng)域十分成熟的無監(jiān)督學習算法，即K均值算法。

4、特征點聚類，是對無序的局部特征點的歸一化處理。
　　詞袋模型將每一幅圖像都使用統(tǒng)一的頻率直方圖來表達，頻率分量是前面使用聚類算法得到的聚類中心。
　　最后，本文根據(jù)這些算法編寫了Ocr服裝圖像檢索系統(tǒng)。并以淘寶網(wǎng)上采集的多個類別共計10000張服裝圖像為實驗對象，對系統(tǒng)進行了性能分析和驗證。通過實驗分析了不同K值以及不同檢索返回數(shù)目N值下的系統(tǒng)查確率，并與傳統(tǒng)三大CBIR特征進行了對比實驗，實驗數(shù)據(jù)表明本文提出的算法能夠得到