题目：基于多特征融合的服装图像检索

随着服装电子商务的发展，因特网上服装图像的数量与日俱增，如何高效地从海量的服装图像中检索出需要的图像是服装搜索中的关键问题。基于内容的图像检索(CBIR)利用图像的底层特征实现图像的自动标注和相似性匹配，在效率和正确率上都胜过基于文本的图像检索(TBIR)。近年来，CBIR开始应用于服装检索领域。然而由于服装内容的复杂性和人类认知的主观性，底层特征(如颜色、纹理、轮廓等)不能充分地表达服装的高层概念，正确地理解和表示服装特征对基于内容的服装检索具有重要意义。本文将CBIR应用于服装检索，利用服装图像的视觉属性描述服装特征，提出一种基于多特征融合的服装图像搜索技术。本文的主要研究工作如下：

1.提出基于视觉感知参数的服装图像描述方法，以减小底层特征与高层概念之间的语义断层。将服装内容概括为颜色、图案、形状三大视觉属性。对于颜色特征，提出改进的量化方法减少量化失真，把服装颜色描述为图像中出现的颜色成分集合。根据图元在服装表面的不同分布规律，将服装图案分为规则图案、不规则图案、纯色图案三种类型，分别采用图元属性(类型、尺度、方向、疏密度)、图元区域分布矢量描述规则图案和不规则图案。形状特征通过组合部件(领口、袖子、衣身、下摆)特征来表示。

2.分别讨论了服装颜色、图案以及形状特征的相似度计算方法。重新定义两种颜色在HSV空间的距离，并提出等面积颜色匹配法，实验证明其匹配效果优于颜色直方图相交法和二次型匹配。利用图案可感知参数的距离来度量图案相似性。形状相似度是对服装部件相似度的加权整合，采用平滑的反文档频率法设置部件权重。

3.提出基于最大化平均正确率均值的加权融合模型，以实现多特征综合的服装图像检索。将权重分配问题转换为图像检索评价指标的最优化问题，进而利用遗传算法对权重自动赋值。

4.采用quick-combine算法加速多特征综合的top-k查询。quick-combine将单特征查询的结果序列组合起来，从中搜索全局top-k相关的匹配，不需要对所有样本计算综合相似度，对于大规模服装图像库能够有效改善检索速度。