基于Android的蕾絲花邊檢索系統(tǒng)的研究與實現(xiàn)

曹 霞 李岳陽 羅海馳 蔣高明 叢洪蓮

1(江南大學輕工過程先進控制教育部重點實驗室 江蘇 無錫 214122)2(江南大學教育部針織技術(shù)工程研究中心 江蘇 無錫 214122)

基于Android的蕾絲花邊檢索系統(tǒng)的研究與實現(xiàn)

曹 霞1李岳陽2羅海馳1蔣高明2叢洪蓮2

1(江南大學輕工過程先進控制教育部重點實驗室 江蘇 無錫 214122)2(江南大學教育部針織技術(shù)工程研究中心 江蘇 無錫 214122)

針對目前蕾絲花邊花型種類繁多、重復率較高且產(chǎn)品管理過于人工化等問題，對蕾絲花邊檢索系統(tǒng)進行研究，提出一種基于內(nèi)容的圖像檢索方法，并開發(fā)一款基于Android的蕾絲花邊檢索系統(tǒng)。使用該系統(tǒng)對蕾絲花邊進行檢索時包括兩個階段：注冊階段和辨識階段。注冊在辨識之前，將所有蕾絲花邊圖像的特征存儲到遠程服務器的特征數(shù)據(jù)庫中。辨識是一對多的層次匹配，將由智能手機獲取的被檢索蕾絲花邊圖像的特征與存儲在遠程服務器的特征數(shù)據(jù)庫中所有的蕾絲花邊特征進行比對，并將檢索結(jié)果信息返回到手機。測試結(jié)果表明，該方法能實時準確地實現(xiàn)蕾絲花邊檢索，能夠滿足企業(yè)的實際需求。

基于內(nèi)容的圖像檢索 蕾絲花邊 Android 層次匹配 紋理

0 引 言

近年來，由于蕾絲花邊中花型的多變性，蕾絲花邊生產(chǎn)廠商存儲的蕾絲花邊數(shù)量多達幾千到上萬。在實際營銷和生產(chǎn)過程中，需要根據(jù)來樣在存儲花邊的數(shù)據(jù)庫中查找是否有與來樣相同或類似的產(chǎn)品。傳統(tǒng)的基于文本的檢索方法采用人工標注，其檢索結(jié)果受主觀因素影響大，從而導致檢索準確度不高，效率低。如何快速準確地實現(xiàn)蕾絲花邊圖案管理與檢索是一亟待解決的行業(yè)難題。

鑒于傳統(tǒng)檢索方法越來越不適應快速準確的檢索需求，基于內(nèi)容的圖像檢索技術(shù)[1-2]得到了深入的研究和發(fā)展。隨著智能手機的發(fā)展和普及，基于Android的蕾絲花邊檢索系統(tǒng)的實現(xiàn)具有可行性和便利性。但到目前為止，國內(nèi)外還沒有基于Android的蕾絲花邊檢索系統(tǒng)出現(xiàn)。而基于手機平臺的檢索系統(tǒng)在其他領(lǐng)域中已經(jīng)進行了研究和實現(xiàn)。Kumar等[3]開發(fā)了第一個應用在植物種類識別的基于IOS操作系統(tǒng)手機應用程序Leafsnap，可以識別出樹木種類。Zhao等[4]開發(fā)了一款基于Android平臺手機應用程序，用于自動識別出植物種類。吳勇等[5]提出基于Android平臺下可定位圖像檢索系統(tǒng)。鄢志勇等[6]提出了基于Android系統(tǒng)的人臉檢測方法，針對不同分辨率下的多個人臉以改進后特征檢索的方式對圖像進行分類，提高了人臉檢測的識別正確率。戴建國等[7]在Android智能手機上開發(fā)了一種基于圖像規(guī)則的棉花病蟲害診斷系統(tǒng)。

蕾絲花邊呈現(xiàn)出不同的織物肌理，即紋理。蕾絲花邊在設計時，其花紋一般呈現(xiàn)周期循環(huán)，因此在檢索時，可只對蕾絲花邊的一個完全組織進行分析，從而可以提高檢索效率和準確率。本文提出了一種基于內(nèi)容的圖像檢索方法，具體來說就是利用一個完全組織的形狀和紋理特征，采用一對多的層次匹配方法對蕾絲花邊進行檢索,通過手機實時快速地在存儲花邊的數(shù)據(jù)庫中進行檢索，用于提高檢索效率。

在提出的基于內(nèi)容的檢索方法基礎(chǔ)上，進一步開發(fā)了一款基于Android的蕾絲花邊檢索系統(tǒng)。測試結(jié)果表明，該系統(tǒng)較好地實現(xiàn)了蕾絲花邊的檢索，有效地提高了檢索的效率和準確率，能夠滿足企業(yè)的實際需求。

1 蕾絲花邊檢索系統(tǒng)

蕾絲花邊檢索過程分為注冊階段與辨識階段。如圖1所示的是蕾絲花邊檢索系統(tǒng)框圖。

圖1 蕾絲花邊檢索系統(tǒng)框圖

在進行檢索前，首先需要進行注冊，即把所有蕾絲花邊樣本的特征存入遠程服務器的特征數(shù)據(jù)庫中。注冊之后就可進行辨識，即將被檢索蕾絲花邊與遠程服務器的特征數(shù)據(jù)庫中所有樣本進行一對多的層次匹配。

1.1 注冊階段

如圖2所示，注冊階段包含圖像采集、圖像預處理和特征提取三個功能模塊。特征提取后，就可把特征存儲到遠程服務器的特征數(shù)據(jù)庫中。

圖2 注冊階段功能模塊

1) 圖像采集

圖像采集是蕾絲花邊檢索的一個非常重要的步驟，其采集到的圖像質(zhì)量決定了檢索結(jié)果的準確性。采用掃描儀掃描蕾絲花邊圖案，注冊階段的圖像采集分四種形式，如圖3所示。掃描圖案時以A4紙為背景，根據(jù)蕾絲花邊顏色的不同選擇相對應顏色的A4紙作背景。若蕾絲花邊顏色較淺，背景選取為黑色；若蕾絲花邊顏色較深，背景選取為白色。

圖3 注冊階段的圖像采集

2) 圖像預處理

圖像采集后，需對圖像進行適當預處理，以便提取圖像特征。圖像預處理過程包括將掃描得到的彩色圖像灰度化、圖像旋正、閾值分割，獲取一個完全組織。

如圖4所示，在MATLAB環(huán)境下，使用交互式的方式選取一個完全組織的上下兩個相對應的參考點。根據(jù)這兩個參考點的縱向坐標(即使這兩個參考點的縱向坐標相同)旋正圖像。然后選取合適閾值和兩個參考點坐標分割出蕾絲花邊的一個完全組織。圖像旋正處理是后續(xù)獲取蕾絲花邊一個完全組織的基礎(chǔ)和關(guān)鍵步驟。

圖4 獲取一個完全組織

3) 特征提取

由圖像預處理，就可得到蕾絲花邊的一個完全組織。蕾絲花邊形狀特征是一個完全組織的實際花高h和花寬ω(如圖4(b)所示)。紋理特征是由一個完全組織的灰度共生矩陣中統(tǒng)計量描述的。得到所有樣本的形狀特征和紋理特征之后，就將這些特征存儲到遠程服務器的特征數(shù)據(jù)庫中。

1.2 辨識階段

如圖5所示，辨識階段包含圖像采集、圖像預處理、特征提取、特征匹配和決策五個功能模塊。圖6給出了蕾絲花邊內(nèi)容檢索算法的流程圖。

圖6 辨識階段蕾絲花邊內(nèi)容檢索算法的流程圖

圖5 辨識階段功能模塊

1) 圖像采集

在室內(nèi)自然光條件下用手機拍攝被檢索的蕾絲花邊圖像，然后進行檢索。拍照模式選取正常標準模式。在注冊階段的圖像采集基礎(chǔ)上，選擇合適的背景作為A4紙背景。即若A4紙為白色，背景則為黑色；若A4紙為黑色，背景為白色。辨識階段的圖像采集如圖7(a)所示，若檢索淺色的蕾絲花邊，采集的圖像樣本由下到上依次是白色背景、黑色A4紙、被檢索蕾絲花邊。

圖7 辨識階段的圖像采集

2) 圖像預處理

由于手機拍攝得到的圖像與掃描儀掃描得到的圖像的不同，辨識階段的圖像預處理的步驟也有所不同，且更為復雜。圖像預處理過程包括將拍攝得到的彩色圖像灰度化、閾值分割(將A4紙所在區(qū)域從背景中分割出來)、圖像配準、圖像旋正，獲取一個完全組織。

由于手機拍攝采集蕾絲花邊的過程中，得到的圖像不可避免地會有幾何畸變和大小尺寸不一，因此需要采用圖像配準算法[8]校正圖像。在圖像配準過程中，由參考圖像(標準A4紙)和輸入圖像(由閾值分割得到的A4紙所在區(qū)域內(nèi)的圖像)可得到配準后的圖像，即校正后的圖像(如圖8所示)。

由于在辨識階段，不方便使用注冊階段旋正圖像的方法(通過交互式的方式選擇一個完全組織的兩個對應參考點實現(xiàn))，因此采用尋找最小外接矩形方法實現(xiàn)蕾絲花邊圖像旋正，具體實現(xiàn)見第2節(jié)。

最后通過交互式地移動手機屏幕上下兩根截線到合適位置(如圖9(a)所示)，通過閾值分割得到一個完全組織(如圖9(b)所示)。

圖8 圖像配準過程

圖9 辨識階段獲取一個完全組織

3) 特征提取

辨識階段特征提取的方式與注冊階段相同。對于同一個蕾絲花邊，在辨識階段和注冊階段得到的一個完全組織很難保持相同。由系統(tǒng)的測試結(jié)果表明，雖然兩個階段得到的完全組織不同，但不影響檢索結(jié)果。即使多次獲取或采用不同的方式(掃描儀掃描和手機拍攝)得到的完全組織不同，采用文中所描述的形狀特征和紋理特征提取方法而得到的特征是類似的。這也表明了文中基于內(nèi)容的檢索方法的魯棒性。

4) 特征匹配

得到一個完全組織的形狀和紋理特征后，就將特征上傳到遠程服務器，與特征數(shù)據(jù)庫中的所有蕾絲花邊特征模板進行層次匹配。層次匹配算法具體實現(xiàn)見第3節(jié)。

5) 決策

經(jīng)過層次匹配后，計算被檢索花邊與從特征數(shù)據(jù)庫中篩選出的蕾絲花邊之間的距離，按照相似度值從大到小進行排序。然后選取排在最前的M個樣本作為檢索結(jié)果，返回到手機端。如果在這M個樣本中有與被檢索花邊相同的樣本，則辨識正確。

2 最小外接矩形法

由于經(jīng)過辨識階段圖像配準后蕾絲花邊圖像仍出現(xiàn)稍許傾斜(傾斜角度θ≤10°)，故本文采用尋找最小外接矩形算法旋正配準后蕾絲花邊圖像。其中尋找最小外接矩形算法分為兩個部分：(1) 求點集(樣本圖像二值圖像上點集)構(gòu)成的凸多邊形[9-10]；(2) 求凸多邊形的最小外接矩形。

假設凸多邊形與外接矩形的重合邊為AB，凸多邊形的外接矩形為A′B′C′D′，則與邊AB相對的點PT必定在邊C′D′上。凸多邊形的外接矩形如圖10所示。

圖10 凸多邊形的外接矩形

其中求凸多邊形的最小外接矩形算法步驟如下：

(1) 輸入空間平面內(nèi)的點群數(shù)據(jù)集。獲取數(shù)據(jù)集中所有幾何對象的點集合：

P{(x1,y1),(x2,y2),…,(xn,yn)}

(2) 若n<3，直接退出，無法求出最小外接矩形，否則在P中任取兩點構(gòu)造一條直線L，轉(zhuǎn)到步驟(3)。

(3)i←1，i從1開始遍歷點集中的各個點。

(4) 若Pi在直線L上，i←i+1，則重復步驟(4)，直至i=n。若仍然在直線上，退出，無法求出最小外接矩形；否則轉(zhuǎn)到步驟(5)。

(5) 求出點集合P的凸多邊形，按照逆時針方向依次獲得凸多邊形點集合SET_P及邊集合SET_E。

(6)j←1，j從1開始遍歷每種凸多邊形對應的外接矩形。

(7) 求出凸多邊形Ej與之對應的PT、PL、PR。

(8) 以OPT為分界線，獲取凸多邊形與外接矩形相交的點PL和PR。根據(jù)矩形幾何特征求出B′、C′、D′。

(9) 最終獲得凸多邊形Ej與之對應的矩形Rj,并存儲四個頂點及其對應面積，比較更新最小外接矩形的面積及對應索引號。

(10)j←j+1，轉(zhuǎn)到步驟(7)，直至j=n。

該算法是在Eclipse平臺的基礎(chǔ)上，采用Java語言進行編寫實現(xiàn)，借助OpenCVforAndroidAPI接口實現(xiàn)。其獲取蕾絲花邊的最小外接矩形并進行圖像旋正的處理程序如下：

Public void doRotation(View view){

//旋轉(zhuǎn)扭

//存儲提取的輪廓點集

List contours = new ArrayList();

//提取外輪廓

Mat hierarchy = new Mat(biImg.height(),biImg.width(),biImg.type)

int mode = Imgproc.RETR_EXTERNAL;

int method = Imgproc.CHAIN_APPROX_NONE;

Imgproc.findContours(biImg,contours,hierarchy,mode,method);

//尋找面積最大的輪廓

MatOfPoint contour=contours.get(0);

double currmax = Imgproc.contourArea(contour),area;

int maxAreaIdx = 0;

for(int i = 1; i

contour=contours.get(i);

area = Imgproc.contourArea(contour);

if( area > currmax ){

currmax = area;

maxAreaIdx = i;}

}

contour = contours.get(maxAreaIdx);

//以外輪廓為依據(jù)生成最小面積外接矩形

MatOfPoint2f contourPoints2f = new MatOfPoint2f();

contourPoints2f.fromList(contour.toList());

RotatedRect theRect = Imgproc.minAreaRect(contourPoints2f);

//最小面積外接矩形畫到閾值處理結(jié)果中

Point vertices[] = new Point[4];

theRect.points(vertices);

ListrectPoints = new ArrayList();

for(int i=0;i<4;i++){

rectPoints.ass(vertices[i]);}

}

rectPoints.add(vertices[0]);

for(int i=0;i<4;i++){

Core.line(rectResult,rectPoints.get(i),rectPoints.get(i+1),new Scalar(0,255,0))};

//按最小面積外接矩形的角度旋轉(zhuǎn)

Mat rm = Imgproc.getRotationMatrix2D(new Point(oriImg.width

()/2,oriImg.height()/2),theRect.angle,1);

Imgproc.warpAffine(thresholdResult,rotateResult,rm,thresholdResult.size());

3 層次匹配算法

本文基于形狀和紋理特征的層次匹配方法分兩層進行：(1) 基于形狀特征匹配方法；(2) 基于紋理特征匹配方法。

1) 基于形狀特征匹配方法

假設辨識階段被檢索的蕾絲花邊T經(jīng)圖像預處理后得到的一個完全組織的實際花高和花寬分別是hT和ωT。存放在服務器數(shù)據(jù)庫中的所有樣本Si(其中i=1,2,…,n;n是總的樣本個數(shù))的一個完全組織的花高和花寬分別是hSi和ωSi。針對同一個蕾絲花邊，注冊階段和辨識階段獲取的完全組織存在誤差。設置閾值th和tω，按以下篩選條件進行第一層形狀特征匹配：

其中S1為所有滿足第一層匹配條件的樣本集合，即這些樣本和被檢索花邊的一個完全組織的實際花高和花寬的差值在一個確定的閾值范圍內(nèi)。

2) 基于紋理特征匹配方法

在圖像紋理特征提取方法中，共生矩陣描述了圖像灰度分布關(guān)于方向、變化幅度和局部領(lǐng)域的綜合信息[11]。通過分析蕾絲花邊圖案的紋理特征，即圖案的像素值分布規(guī)律，用共生矩陣的描繪子來定量分析灰度為i和j且位置方向為θ(0°,45°,90°,135°)的一對像素點。Pi,j(d,Q)表示距離為d的一對像素點(x,y)、(x′,y′)在灰度共生矩陣中出現(xiàn)的概率，統(tǒng)計圖像中每一對像素點在灰度共生矩陣出現(xiàn)的概率Pi,j(d,Q)。其中[Pi,j(d,Q)]L×L為灰度概率聯(lián)合概率矩陣[12]，Q表示兩個像素彼此相對位置的一個算子。其概率公式如下：

(1)

式(1)中Lr、Lc分別為圖像行、列的維數(shù)，#表示集合中元素的數(shù)目，N表示方陣Pij的行(列)數(shù)。為減少計算量和提高紋理特征的識別效果，將原圖像的灰度級256量化為128，即L=128，d=1?；贕LCM所提取紋理特征中對比度和熵具有最大的識別能力，角二階矩、對比度、相關(guān)性是不相關(guān)的[13]。故本文選取角二階矩、對比度、相關(guān)性和熵四個特征量來表示紋理特征。

(1) 角二階矩：

(2)

(2) 對比度：

(3)

(3) 相關(guān)度：

(4)

其中，fmean_r和fmean_c分別是沿著歸一化后灰度矩陣的行和列的均值，fvar_r和fvar_c分別是沿著灰度矩陣的行和列的方差。

(4) 熵：

(5)

(6)

(7)

蕾絲花邊圖像紋理特征由對比度、角二階矩、相關(guān)度、熵的均值(μcon、μasm、μcor、μent)和標準差(σcon、σasm、σcor、σent)構(gòu)成。然后需要將每一特征量進行屬性歸一化處理[15]，實現(xiàn)特征距離標準化。

篩選出符合第一層匹配條件的樣本集合S1后，將樣本集合S1中花邊與被檢索花邊進行第二層紋理特征匹配。因各紋理特征量正交無關(guān)且重要性相同，本文選用歐氏距離進行相似性度量，計算公式為：

(8)

4 實驗與結(jié)果分析

本文提出的基于Android的蕾絲花邊檢索系統(tǒng)由服務器端檢索平臺與手機端應用程序兩個部分組成。手機品牌為三星，型號為GT-N7100,Android4.3操作系統(tǒng)，手機通過WiFi接入校園網(wǎng)。服務器采用江南大學網(wǎng)絡中心虛擬服務器，CPU為AMDOpteron(tm)Processor6344，操作系統(tǒng)為WindowsServer2008R2Enterprise，數(shù)據(jù)庫管理系統(tǒng)為SQLServer2008R2Express，Web應用服務器為Tomcat7.0。手機端應用程序安裝環(huán)境需在Android4.0以上的操作系統(tǒng)。服務器端蕾絲花邊圖像處理(注冊階段)在MATLAB2014a環(huán)境下實現(xiàn)，手機端蕾絲花邊圖像處理(辨識階段)通過調(diào)用OpenCVforAndroidAPI[16-17]接口實現(xiàn)。手機端與服務器端通信基于HTTP協(xié)議，采用WebServlet編寫服務器端程序[18-19]，JDBC技術(shù)訪問遠程數(shù)據(jù)庫，實現(xiàn)手機端與服務器端數(shù)據(jù)參數(shù)交互傳遞。

在實驗中，首先利用1.1節(jié)注冊階段圖像采集方法得到1008幅蕾絲花邊圖像，對這些圖像進行預處理，將每幅圖像的一個完全組織的形狀特征和紋理特征存儲到遠程服務器的數(shù)據(jù)庫中。然后，將1008幅蕾絲花邊依次作為被檢索對象，按照1.2節(jié)辨識階段中各個步驟進行圖像處理，得到與被檢索花邊相似度最大的前M個樣本，將檢索結(jié)果返回到手機端。

本系統(tǒng)的檢索評價指標有兩個：辨識率和檢索時間。辨識率為正確辨識的圖案個數(shù)占測試圖案總數(shù)的百分比。選取M為1、10、20三種情況給出辨識率。檢索時間是指對蕾絲花邊來樣進行檢索時所花時間，用來衡量系統(tǒng)實時性。

為評價本文提出的蕾絲花邊檢索系統(tǒng)的性能，將本系統(tǒng)的基于形狀和紋理特征的層次匹配方法分別與基于紋理特征的匹配方法、基于形狀和紋理特征的匹配方法進行比較。其中基于紋理特征匹配方法是僅運用上述灰度共生矩陣描述紋理特征進行匹配，基于形狀和紋理特征匹配是融合上述形狀和紋理特征(在紋理特征分量基礎(chǔ)上增添形狀特征分量)進行匹配。系統(tǒng)測試結(jié)果如表1所示。

表1 蕾絲花邊檢索系統(tǒng)測試結(jié)果

從表1中可以看出，隨著M值的增大，三種匹配方法的辨識率呈現(xiàn)遞增趨勢。與前兩種匹配方法相比，本文提出的匹配方法的辨識率明顯較高，說明了該方法的檢索有效性。本文所提出的匹配方法，在M=20情況下，測試樣本中辨識正確的占98.37%。

層次匹配的另一個顯著優(yōu)勢在于其匹配時間很短，即實時性很強。匹配時間是指在服務器端，被檢索的蕾絲花邊特征與數(shù)據(jù)庫中所有特征進行匹配所需時間。表1中的匹配時間是1008幅蕾絲花邊依次作為被檢索對象得到的匹配時間平均值。本文所提出的匹配方法，所需匹配時間為141.4毫秒，遠低于前兩種匹配方法的匹配時間。

對于檢索時間，表2中給出的是在辨識階段的各個過程所需平均時間。各個過程的具體說明如下：

圖像預處理指在手機端采集到被檢索蕾絲花邊后進行圖像預處理；特征提取指得到被檢索花邊的一個完全組織后提取其形狀和紋理特征；上傳特征值指手機端通過校園WiFi向服務器端傳遞特征值。獲取所有樣本特征值指服務器端程序連接數(shù)據(jù)庫，獲取數(shù)據(jù)庫中存儲的所有樣本特征值。層次匹配指被檢索的蕾絲花邊特征與數(shù)據(jù)庫中所有特征進行層次匹配。返回檢索結(jié)果指服務器端將與被檢索花邊相似度最大的前M(此處取20)個樣本編號返回給手機端。

表2 蕾絲花邊檢索系統(tǒng)辨識階段各個過程所需時間 ms

在辨識階段，除了圖像采集和得到一個完全組織這些交互式過程，由表2可以得到其他過程總共需要的時間為3564.2毫秒。這說明本文所提出的檢索系統(tǒng)符合企業(yè)實際的需求，即在大型蕾絲花邊數(shù)據(jù)庫中快速地檢索到花邊來樣。圖11是蕾絲花邊在線檢索的整體系統(tǒng)結(jié)構(gòu)圖，通過手機端與服務器端交互式的方式實時地檢索蕾絲花邊。由表1和表2蕾絲花邊檢索系統(tǒng)檢索結(jié)果，表明其檢索速率較快且精度較高，滿足企業(yè)的實際需求。

圖11 蕾絲花邊在線檢索系統(tǒng)結(jié)構(gòu)圖

基于Android平臺的蕾絲花邊檢索系統(tǒng)手機界面如圖12所示，展示出了實際應用的檢索效果。其中(a)是系統(tǒng)開始界面，有“拍照”和“相冊”兩個選項，即被檢索蕾絲花邊圖像可以通過拍照或手機端相冊中得到。(b)是采集到的蕾絲花邊圖像，需要根據(jù)圖像具體情況設置A4紙顏色與蕾絲花邊方向，例如其中A4紙為黑色，花邊方向為縱向。(c)是圖像預處理中關(guān)鍵步驟：圖像配準后的界面。(d)是運用交互式方式確定一個完全組織界面。(e)是檢索結(jié)果界面，圖中最上面是被檢索蕾絲花邊，然后按從上到下、從左到右的順序，各個樣本與被檢索花邊的相似度依次減小。其中，檢索后相似度最大的樣本正是被檢索的蕾絲花邊，辨識正確。

圖12 蕾絲花邊檢索系統(tǒng)手機界面

5 結(jié) 語

本文針對蕾絲生產(chǎn)企業(yè)檢索蕾絲花邊效率低下的問題，提出了一種基于內(nèi)容的圖像檢索方法，也就是利用蕾絲花邊一個完全組織的形狀和紋理特征，采用層次匹配方法進行檢索。并且在該檢索方法基礎(chǔ)上開發(fā)了一款基于Android的蕾絲花邊檢索系統(tǒng)。實驗結(jié)果表明，該系統(tǒng)能快速準確地實現(xiàn)蕾絲花邊檢索，辨識率高且檢索時間短，能夠滿足企業(yè)實際需求。目前系統(tǒng)的蕾絲花邊數(shù)據(jù)庫中有1008個樣本，有待進一步豐富和擴展樣本數(shù)量，以測試系統(tǒng)的檢索性能。

[1] Rui Y,Huang T S,Chang S F.Image retrieval: current techniques,promising directions,and open issues[J].Journal of Visual Communication and Image Representation,1999,10(1):39-62.

[2] Lew M S,Sebe N,Djeraba C,et al.Content-based multimedia information retrieval:State of the art and challenges[J].ACM Transactions on Multimedia Computing,Communications and Applications,2006,2(1):1-19.

[3] Kumar N,Belhumeur P N,Biswas A,et al.Leafsnap:a computer vision system for automatic plant species identification[C]//12th European Conference on Computer Vision,2012:502-516.

[4] Zhao Z Q,Ma L H,Cheung Y M,et al.ApLeaf: An efficient android-based plant leaf identification system[J].Neurocomputing,2015,151:1112-1119.

[5] 吳勇,羅騰元,王美珍.可定位圖像采集與檢索方法研究[J].計算機工程,2014,40(7):207-211,220.

[6] 鄢志勇,王嘉梅.基于android系統(tǒng)的圖像內(nèi)容檢測[J].軟件,2012,33(6):35-37.

[7] 戴建國,賴軍臣.基于圖像規(guī)則與Android手機的棉花病蟲害診斷系統(tǒng)[J].農(nóng)業(yè)機械學報,2015,46(1):35-43.

[8] 岡薩雷斯,伍茲,埃丁斯.數(shù)字圖像處理[M].阮秋琦,等,譯.3版.北京:電子工業(yè)出版社,2011.

[9] 程鵬飛,閆浩文,韓振輝.一個求解多邊形最小面積外接矩形的算法[J].工程圖學學報,2008,29(1):122-126.

[10] 潘微.求平面點集凸殼的一種新算法[J].重慶工學院學報(自然科學),2009,23(4):41-43.

[11] 焦蓬蓬,郭依正.特征級數(shù)據(jù)融合在醫(yī)學圖像檢索中的應用[J].計算機工程與應用,2010,46(6):217-220.

[12] Kuo C F J,Tsai C C.Automatic Recognition of Fabric Nature by Using the Approach of Texture Analysis[J].Textile Research Journal,2006,76(5):375-382.

[13] 王知鷙.基于紋理及光譜信息融合的遙感圖像分類方法研究[D].西安:西安電子科技大學,2010.

[14] Su J,Wang B,Guo L.Textural featrue extraction and classification study research of digital image[J].Electronic Measurement Technology,2008,31(5):52-55.

[15] Gondra I,Heisterkamp D R.Content-based image retrieval with the normalized information distance[J].Computer Vision and Image Understanding,2008,111(2):219-228.

[16] Szeliski R.Computer Vision Algorithms and Applications[M].New York:Springer,2010.

[17] Baggio D L,Emami S,Escriv D M,et al.Mastering OpenCV with Practical Computer Vision Projects[M].Birmington,UK:Packet Publishing,2012.

[18] Altendorf E,Hohman M,Zabicki R.Using J2EE on a Large Web-based Project[J].IEEE Software,2002,19(2):81-89.

[19] Hammouda I,Koskimies K.A Pattern-Based J2EE Application Development Environment[J].Nordic Journal of Computing,2002,9(3):248-260.

RESEARCH AND IMPLEMENTATION OF LACE RETRIEVAL SYSTEM BASED ON ANDRIOD PLATFORM

Cao Xia1Li Yueyang2Luo Haichi1Jiang Gaoming2Cong Honglian2

1(KeyLaboratoryofAdvancedProcessControlforLightIndustry,MinistryofEducation,JiangnanUniversity,Wuxi214122,Jiangsu,China)2(EngineeringResearchCenterforKnittingTechnology,MinistryofEducation,JiangnanUniversity,Wuxi214122,Jiangsu,China)

Aiming at problems of too many lace patterns, high repetition rate and excessive artificial management, a retrieval method based on content is proposed and a lace retrieval system based on Android platform is developed. Retrieval process of this system includes two phases: registration phase and identification phase. In registration phase, which is before the identification phase, all the lace features are stored to the signature database of remote server. In identification phase, which is a one-to-many hierarchical matching process, the retrieved lace features collected by intelligent mobile are compared with all lace features which are stored in the signature database of remote sever, and the retrieval results information is returned back to the phone. Experimental results indicate that this method is able to realize the lace retrieval promisingly and match the actual demands in enterprises.

Content-based image retrieval Lace Android Hierarchy match Texture

2015-09-30。江蘇省產(chǎn)學研聯(lián)合創(chuàng)新資金—前瞻性聯(lián)合研究項目(BY2015019-11,BY2014023-20)；中央高校基本科研業(yè)務費專項資金項目(JUSRP51404A，JUSRP211A38)。曹霞，碩士生，主研領(lǐng)域：圖像處理，模式識別。李岳陽，副教授。羅海馳，講師。蔣高明，教授。叢洪蓮，副教授。

TP391.4

A

10.3969/j.issn.1000-386x.2017.01.035