[发明专利]一种序列服饰图像主题色自适应提取方法

说明书

本发明公开了一种序列服饰图像主题色自适应提取方法，包括：(1)批量图像预处理；(2)视觉显著性检测：逐个提取各图像的视觉显著性区域，将显著性分为若干层，将各显著层分割为单独的区域，获得视觉显著亮度图。(3)生成聚焦融合图：将显著权重矩阵与HSV彩色图矩阵相乘，形成聚焦融合图；(4)聚焦融合图颜色自适应聚类。采用迭代更新聚类中心方式，获得聚类数和各聚类中心值。(5)意象色及其占比输出：意象色类似地，对批量场景图像逐个提取主色，并融合成色彩综合图。对色彩综合图主色进行提取，获得场景的主题色及其占比。

技术领域

本发明属于服饰图像处理领域，具体涉及了一种序列服饰图像主题色自适应提取方法。

背景技术

服装、配饰、家纺等作为时尚产业的重要组成部分，产品研发过程的智慧决策、智能设计、供应链协同尤为关键。当前时尚产品同质化、供需错配、设计决策迟缓等问题的长期显现，成为产业高质量发展的瓶颈制约之一。色彩是表现产品视觉美感、传达设计理念、突显产品风格的重要属性之一。

品牌色彩体系的构建，需要由具有高度识别性的主题色构成。设计人员一般从意象场景中人为感知主题色，用于产品色彩设计，但受到主观认知、个体差异的影响，提取色彩不准确、稳定性差、速度慢，尤其对意象场景的用色规则难以有效把控。因此，亟需一种能够自动提取和解析批量场景图像色彩的方法，以提高设计的精准性和即时性，为时尚产品智慧设计、产业高质量发展和新动能培育助力赋能。

主题色解析主要包括批量图像的预处理、色彩构成分析以及设色关联规则解读三部分内容。图像预处理依据场景图像质量，一般包括图像去噪、光照均衡化、内容分割等基本处理过程。在色彩提取方面，当前主要采用仪器法和图像分析法。仪器法如采用测色仪对实物或图像进行采样提取颜色，由于点状、微观化采样，不能反应图像整体色彩，也不能对批量图像进行快速聚合，适用性弱；图像法广泛用于场景图像的色彩提取，常采用K-means颜色聚类，利用迭代求解的聚类方式，将图像中的色值聚类为K个聚类中心。K值的设置需要用户判断图像主色数；此外，批量图像各图像聚类中心未必一致，强制聚类至K个中心，极易聚色失真。此外，GMM(Gaussian Mixture Model)、FCM(Fuzzy C-Means)等方法，同样需要指定聚类中心。Mean-shift利用概率密度函数确定聚类类别，Quick shift算法在其基础上提升了分类速度。意象场景色彩提取，有别于图像色彩常规聚类，需要在量化图像色彩的基础上，适度与人眼感受保持一致。人眼具有视觉选择性，及对颜色对比显著、反差大的区域关注度更高，上述方法仍然难以实现意象场景批量图像的主题色提取。另一方面，场景用色内在规则较为重要，也是颜色复用、活化的重要依据，以迁移场景的色彩风格。

现有技术在色彩提取方面，需要用户设置聚类中心或损失函数指标。由于图像具有纹理、结构、颜色等信息，聚类后颜色过于均衡化，存在丧失颜色层次特征，对后期颜色迁移造成一定的信息缺失；此外，脱离了视觉显著的关联结构，与人眼视觉感知存在较大差异，难以有效指导设计人员取色用色。

发明内容

本发明的目的在于提供一种序列服饰图像主题色自适应提取方法，针对现有技术中的缺陷，融合人眼视觉注意机制，针对批量场景图像，提取场景主题色彩，形成意象场景专属色彩体系。

为了解决上述技术问题，采用如下技术方案：

一种序列服饰图像主题色自适应提取方法，其特征在于包括如下步骤：

(1)批量图像预处理：a、对图像逐一进行去噪；b、将图像由RGB颜色空间转换至HSV空间；

(2)视觉显著性检测：逐个提取各图像的视觉显著性区域，将显著性分层，将各显著层分割为单独的区域，获得各图像的视觉显著亮度图；

(3)生成聚焦融合图：将显著权重矩阵与HSV彩色图矩阵相乘，形成聚焦融合图；

(4)聚焦融合图颜色自适应聚类：采用迭代更新聚类中心方式，获得聚类数和各聚类中心值；