论文纲要：鉴于多特性融洽的装束图像检索

跟着装束电子商务的兴盛，因特网上装束图像的数目日新月异，怎样高效地从洪量的装束图像中检索出须要的图像是装束探求中的要害题目。鉴于实质的图像检索(CBIR)运用图像的底层特性实行图像的机动标明和一致性配合，在功效和精确率上都超过鉴于文本的图像检索(TBIR)。连年来，CBIR发端运用于装束检索范围。但是因为装束实质的搀杂性和生人认知的主观性，底层特性(如脸色、纹理、表面等)不许充溢地表白装束的高层观念，精确地领会和表白装束特性对鉴于实质的装束检索具备要害意旨。正文将CBIR运用于装束检索，运用装束图像的视觉属性刻画装束特性，提出一种鉴于多特性融洽的装束图像探求本领。正文的重要接洽处事如次： 1.提出鉴于视觉感知参数的装束图像刻画本领，以减小底层特性与高层观念之间的语义断层。将装束实质详细为脸色、图案、形势三大视觉属性。对于脸色特性，提出矫正的量化本领减小批化走样，把装束脸色刻画为图像中展示的脸色因素汇合。按照图元在装束外表的各别散布顺序，将装束图案分为准则图案、不准则图案、纯色图案三种典型，辨别沿用图元属性(典型、标准、目标、疏密度)、图元地区散布矢量刻画准则图案和不准则图案。形势特性经过拉拢元件(领口、衣袖、衣身、下摆)特性来表白。 2.辨别计划了装束脸色、图案以及形势特性的一致度计划本领。从新设置两种脸色在HSV空间的隔绝，并提出等表面积脸色配合法，试验表明其配合功效优于脸色直方图订交法和二次型配合。运用图案可感知参数的隔绝来襟怀图案一致性。形势一致度是对装束元件一致度的加权调整，沿用光滑的反文书档案频次法树立元件权重。 3.提出鉴于最大化平衡精确率均值的加权融洽模子，以实行多特性归纳的装束图像检索。将权重调配题目变换为图像检索评介目标的最优化题目，从而运用遗传算法对权重机动赋值。 4.沿用quick-combine算法加快多特性归纳的top-k查问。quick-combine将单特性查问的截止序列拉拢起来，居中探求全部top-k关系的配合，不须要对一切样品计划归纳一致度，对于大范围装束图像库不妨灵验革新检索速率。