[发明专利]基于图像搜索的购物搜索系统及其实现方法

摘要

本发明公开一种基于图像搜索的购物搜索系统及其实现方法，系统分为移动端、管理端和服务端，移动端拍摄商品图片并上传到服务端，服务端根据移动端上传的商品图片从数据库中检索出相应商品，将检索出的商品信息返回给移动端，供用户查看购买；系统管理员可在管理端对数据库中的商品进行管理。方法利用基于图的快速分割算法对图像对象的识别能力，以及商品目标的空间位置分布特性和大小特性，提取商品目标，去除背景干扰；提取图像的颜色特征和SIFT特征，利用欧式距离和Bag Of Words分别匹配颜色特征和SIFT特征。本发明提高了购物图像的搜索准确度，和搜索速度。

主权项

1.一种基于图像搜索的购物搜索系统的实现方法，其特征在于：利用基于图的快速分割算法对图像对象的识别能力，以及商品目标的空间位置分布特性和大小特性，提取商品目标，去除背景干扰；提取图像的颜色特征和SIFT特征，利用欧式距离和Bag Of Words分别匹配颜色特征和SIFT特征；基于图的快速分割：利用基于图的快速分割算法得到图像中的不同对象,将图像划分成若干区域，每个区域对应某个对象或对象的一部分；具体实现为将图像的各像素映射为图的顶点，像素之间的差异映射为图的边的权重，将图像用一副无向图表示，然后利用图的分割理论，将无向图分割成若干个等价类，每一个等价类对应图像的一个区域；采用正态分布描述商品目标的空间位置和区域大小特性；商品目标为封闭区域，采用正态分布描述商品目标在图像中的空间位置和区域大小；确定目标商品区域，得到提取出的商品目标；基于正态分布假设，计算出每个区域是目标商品区域的概率，概率最大的即认为是目标商品；使用HSV颜色空间的归一化颜色直方图表示图像的颜色特征，RGB颜色空间到HSV颜色空间转换如下：其中H∈[0，360°]，S∈[0，1]，V∈[0，1]；为了有效的统计图像的颜色特性，将H、S、V离散化，将H值均匀映射到h1，h2，…，h18的18个值，将S和V均匀映射到和s1，s2，s3和v1，v2，v3，颜色特征被表示成24维的向量：color＝(f1，f2，f3，…，f24)，其中f1～f18表示对H值的统计，f19，f20，f21和f22，f23，f24分别表示对S和V值的统计，color的表示方法如下：式中N表示图像中总的像素个数，hi，sj，vk分别代表对应值的统计值，SIFT算法的实现过程主要包括这几步：第一在尺度空间进行特征检测，以确定关键的位置和关键点所处的尺度，第二使用关键点领域梯度的主方向作为该点的方向特征，以实现算子对尺度方向的无关性，第三每个特征点用一个128维的特征向量描述；SIFT特征向量的生成算法包括以下四步：1)检测尺度空间的极值，得到关键点的位置的尺度，为了检测关键点，需要比较目标像素与它周围8领域的像素和相邻尺度对应的9x2个像素进行比较；2)通过三维二次函数的拟合来精确确定关键点的位置的尺度，同时通过去除低对比度的关键点和不稳定的边缘相应点来增强匹配稳定性，提高抗噪能力；3)利用目标关键点领域像素的梯度方向作为关键点的方向参数，这样可以得到旋转不变性；至此，完成了检测关键点的工作，每个关键点包含三个信息：位置、尺度、方向；4)生成SIFT特征向量，即用SIFT描述算子表示特征点，每个关键点对应一个128维的特征向量；颜色特征被量化为24维的特征向量,形如color＝(f1，f2，f3，…，f24)的形式，用欧式距离对颜色特征进行匹配；若两幅图像分别为I1和I2，那么I1和I2的欧式距离用下式计算：结果越接近0，两幅图像的颜色相差越小；设定一个阈值，小于这个值的两幅图像认为比较相似；将图像搜索和文本搜索类比，一幅图像可以看作是文本搜索中的一篇文章，图像中的特征点看作是文章中的单词，将文本搜索的算法Bag of Words(BOW)引入图像匹配上；系统先使用训练集图像进行训练，得到匹配SIFT特征的BOW算法需要使用的虚拟词汇表；在管理员录入商品数据时从商品图像中提取出商品目标，提取颜色特征和SIFT特征，将商品信息和提取出的特征保存至数据库；服务端收到移动端上传的商品图像时也先提取出商品目标，提取颜色特征和SIFT特征，利用欧式距离和BOW分别匹配颜色特征和SIFT特征，从数据库中检索出相应商品，将商品信息返回给移动端；至此完成整个图像搜索过程。