商标检索报告(500字)

发表于:2020.10.15来自:www.fanwen118.com字数:500 手机看范文

根据贵公司提供的信息,判定贵公司可注册的商标类别为第9大类中的0908小类、0913小类、0909小类、0907小类

第九类

科学、航海、测量、摄影、电影、光学、衡具、量具、信号、检验(监督)、救护(营救)和教学用装置及仪器;处理、开关、传送、积累、调节或控制电的装置和仪器;录制、通讯、重放声音或影像的装置;磁性数据载体,录音盘;光盘,DVD盘和其他数字存储媒介;投币启动装置的机械结构;收银机,计算机器,数据处理装置,计算机;计算机软件;灭火器械

0907 通讯导航设备

0908 音像设备

0909 摄影、电影用具及仪器

0913 电器用晶体及碳素材料,电子、电气通用元件

1、商标:雅典娜

商标检索报告

商标检索报告

商标检索报告

结论:仅0909小类可尝试申报一下

2、商标名:小苹果

商标检索报告

商标检索报告

结论:不能申报

3、商标名:小管家

商标检索报告

商标检索报告

结论:不建议申报

4、商标名:奥达

商标检索报告

商标检索报告

结论:仅0909小类可尝试申报一下

5、商标名:聚科

商标检索报告

结论:可尝试申报0907、0908、0909

6、商标名:Montenegro

结论:这个好像是黑山共和国的名字(需确认),不建议申请

7、商标名:Polymer Cience

结论:不建议申请




第二篇:基于形状特征的商标图像检索研究 57800字

南京邮电大学

硕士学位论文

基于形状特征的商标图像检索研究

姓名:姜婷

申请学位级别:硕士

专业:计算机应用

指导教师:王绍棣

20090301

南京邮电大学硕士研究生学位论文摘要

摘要

基于内容的图像检索(ContentBasedImageRetrieval,简称CBIR)是指直接根据图像内容的各种特征进行图像检索的技术,目前主要集中于底层特征相似性匹配的研究,包括基于颜色、纹理、形状等特征的检索。基于特定领域的图像检索技术可以充分利用该领域内的相关知识,使检索结果更能符合用户的需求。随着市场经济的发展,注册商标的数目不断增加,需要建立一种准确、高效的商标图像自动检索系统,因此基于内容的图像检索技术在商标检索领域得到了广泛的应用。

本文深入研究了基于形状特征的商标图像检索,对该领域近几年提出的检索算法进行分析与对比,提出了一种新的商标图像检索算法。本文的主要工作如下:

1.提出了基于子对象轮廓特征和规则子块区域特征的商标图像分层检索算法。针对目前

两种主要的提取商标图像局部形状特征方法的不足,该算法将图像分割为连通子对象的方法与图像划分为规则子块的方法有效地结合起来,进行分层检索。该算法提取的形状特征包括子对象的轮廓特征和规则子块的区域特征,这样可以避免使用单一特征时表示形状不充分的缺点。

2.深入研究了成对几何特征直方图表示形状轮廓特征的算法,并采用此算法表示商标图

像中子对象的轮廓特征。为了得到子对象的成对几何特征直方图,需要进行子对象抽取、边缘检测、轮廓跟踪、轮廓多边形逼近、Hough变换检测线段、计算有向相对角和有向相对位黄等步骤,因此本文对这些步骤中涉及到的算法进行了研究与实现。

3.针对目前常用的预处理方法造成商标图像形状失真的问题,本文提出了无畸变的预处

理方法,提高了基于形状特征的商标图像检索算法的性能。

4.针对等距离同心圆分块法中存在的不足之处,本文提出了改进的同心圆分块法,提高

了图像边缘区域特征表示的精度。

5.将本文提出的算法与目前已有的两种商标图像检索算法进行对比实验,这两种对比算

法分别是:(】)基于规则子块区域特征和全局Hu不变矩的商标图像检索算法;(2)基于连通子图像区域特征的商标图像检索算法。通过对实验结果的分析可以看出,本文提出的算法对平移、缩放、旋转和镜像具有很好的不变性,而且对商标图像的几何形变不敏感,检索出的商标图像具有较好的视觉一致性。

关键词:基于形状特征的商标图像检索,子对象的轮廓特征,规则子块的区域特征,成对几何特征直方图,分层检索,无畸变预处理方法I

南京邮电人学硕十研究生学位论文

Abstract

Abstract

ContentBasedImageofimagesbased

on

Retrieval(CBIR)is

noveltechnologywhichmeasuresthesimilarity

contentofimages.Currently,featuresextractedbyCBIRarefocusedonthe

can

lowlevelfeatures,likecolor,textureandshape.CBIRappliedinspecificfieldtheknowledgeofthespecificfield,SOthecorrespondingretrievalresults

benefitfrommeet

users’

can

requirementsbetter.Withthedevelopmentofmarketeconomy,trademarkplaysmoreandmore

importantroleinmodemworld,andCBIRtechniquehasbeenwidelyusedintrademarkretrievalfield.

Theresearchofthis

paperismainly

on

shape—basedtrademarkimageretrieval.After

on

analysisandcomparisonoftheexistingmethodsoftrademarkimageretrievalbasedthispaperproposespaper

areas

content,

newalgorithmoftrademarkimageretrieval.Themaincontributionsinthis

follows:

on

Firstly,anewalgorithmoftrademarkimageretrievalisproposed,whichisbased

sub—objectcontourfeatureandsub?blockregionfeature.Inordertoovercomethedisadvantages

usesa

oftheexistingpartitionmethods,thenewalgorithm

two-stagehierarchy.Inthefirststage,

sub-objectssub—object

are

obtainedfromeverytrademarkimageandpair?-wisegeometrichistogramofeach

iscomputedtorepresentthe

on

sub-objectcontourfeature.Inthesecondstage,retrieval

are

isexecutedbased

theresultofthefirststage,theseimages

area

partitionedbytheimproved

concentriccirclespartitionmethod,andinvariantmoment

are

featuresofallsub-blockscombinedwithglobalHu

extractedtosyntheticallyrepresentthecontentoftrademarkimages.

Secondly,shaperepresentationmethodusingpair-wisegeometrichistogramisresearcheddeeplyinthepaperandthismethodisimplementedtorepresenttheInordertoobtainthepair-wisegeometrichistogramsof

sub—object

contour

feature.

sub—objects,pretreatment

processes

includeedgedetection,contourtracking,polygonalapproximation,linesegmentdetection,calculationofdirected

relativeangle

anddirected

relativeposition,SO

thecorresponding

algorithms

are

alsoinvestigated.

to

Thirdly,adistortionlesspreprocessingmethodisproposed,whichisusedtrademark

images

before

retrieval.This

method

overcomes

processexisting

the

shortcoming

of

preprocessingmethods,SOitimprovestheprecisionofshape—basedtrademarkimageretrieval.

Fourthly,an

improved

concentric

circlespartition

methodisproposed.Thismethod

enhancestheaccuracyofedgeregionfeaturerepresentation.

Finally,contrastexperiments

are

performedtoprovethevalidityofthenewtrademark

南京邮电人学硕+研究生学位论文Abstractimageretrievalalgorithm.Theresultsofexperimentsshowthatthisnewalgorithmissuperiortothealgorithmbased

ononsub.blockfeaturecombinedwithHuinvariantmomentandthealgorithmbasedconnectedsub—imagesregionfeature.Thenewalgorithmcallkeepgoodinvariancetoimagetranslmion,scaling,rotationandmirroLandit’Sinsensitivetotrademarkimagedistortion.Conclusively,theretrievedresultscansatisfyhumanvisualperceptionwell.Keywords:Shape—basedTrademarkImage

RegionFeature,Pair-wiseRetrieval,Sub—objectContourFeature,Sub—blockGeometricHistogram,LayeredSearchingMethod,DistortionlessPreprocessingMethod

南京邮电人学硕士研究生学位论文算法索弓

算法索引

算法2.1

算法3.1

算法3.2

算法3.3

算法3-4

算法3.5

算法3-6

算法3—7

算法3.8

算法3-9

算法3.10

算法4.1

算法4.2等距离同心圆分块法……………………………………………………………………………13基丁.子对象轮廓特征利规则子块区域特征的商标图像分层检索算法………………………16无畸变预处理算法………………………………………………………………………………l8子对象抽取算法…………………………………………………………………………………21Canny边缘检测算法……………………………………………………………………………22子对象轮廓跟踪算法……………………………………………………………………………23Douglas.Peucker算法…………………………………………………………………………………………………….24Hough变换检测线段算法………………………………………………………………………26成对儿何特征直方幽表示轮廓特征的算法……………………………………………………261卜等距离的同心圆分块法………………………………………………………………………31高斯门一化算法…………………………………………………………………………………35基丁.规则子块|又:域特征和全局Hu不变矩的商标图像检索算法…………………………….36基丁.单元子图像区域特征的商标图像检东算法………………………………………………36

南京邮电人学硕十研究生学位论文图索弓

图索引

图1.1

图1.2

图2.1

图2.2

图2.3

图2.4

图2.5

t?d2-6

幽3.1

幽3.2

图3.3

幽3-4

幽3.5

幽3-6

图3.7

图3.8

幽3-9

幽3.10

图3.11

图3.12

图3.13

图3.14

图4.1

图4.2

幽4.3

图4-4

图4.5

图4-6

图4.7

图4.8

图4-9

幽4.10

图4.11

图4.12基丁.内容的图像检索系统框架……………………………………………………………………..2仅含有图像或儿何幽形的商标幽像………………………………………………………………..3两条线段的相对角…………………………………………………………………………………..7两条线段的有向相对位置…………………………………………………………………………….8二维成对儿何特征直方图……………………………………………………………………………9基丁I图像分割为连通区域的方法…………………………………………………………………12等距离同心圆分块法……………………………………………………………………………….14组成相同但空间何置不同的商标图像……………………………………………………………14尺寸归一化造成的形状畸变………………………………………………………………………18最小外接圆的水平外切矩形………………………………………………………………………19无畸变的预处理过氍………………………………………………………………………………19两种连接准则………………………………………………………………………………………21商标幽像分割子对象………………………………………………………………………………21Canny边缘检测的结果……………………………………………………………………………228.邻域………………………………………………………………………………………………………………………………23对于对象进行边缘跟踪……………………………………………………………………………24Douglas—Peucker算法过程………………………………………………………………………….25多边形逼近效果……………………………………………………………………………………25二维成对儿何特征直方图转换为一维成对儿何特征直方图……………………………………28质心位移对外搂圆的影响…………………………………………………………………………30非笛距离的同心圆分块法…………………………………………………………………………31原商标图像经过J6N形变后产生的相似图像……………………………………………………33精度VS.同召率曲线……………………………………………………………………………….38待检索的样本商标幽像……………………………………………………………………………..39No.1样本图像经过平移后的结果…………………………………………………………………39No.1样本图像经过缩放后的结果…………………………………………………………………39No.1样本图像经过旋转后的结果…………………………………………………………………40No.1样本幽像经过镜像斤的结果…………………………………………………………………40)Lf,J不变性实验的结果…………………………………………………………………………….42几何形变示意图……………………………………………………………………………………44No.1样本图像经过J6i,I形变斤的结果……………………………………………………………44儿何形变实验的结果……………………………………………………………………………….46视觉一致性实验中的样本幽像……………………………………………………………………48视觉一致性实验的结果……………………………………………………………………………4958

南京邮电大学硕士研究生学位论文表索弓

表索引

表3.1

表4.1

表4.2分别用算法2.1和算法3-9计算山的图像距离………………………………………………….33实验1:商标幽像检索PVR指数(以%计)……………………………………………………43实验2:商标幽像检索PVR指数(以%计)…………………………………………………….4759

南京邮电大学学位论文独创性声明

本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知,除了文中特别加以标注和致谢的地方外,论文中不包含其他人已经发表或撰写过的研究成果,也不包含为获得南京邮电大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。

研究生签名:盏撕、Jv{I!III:翌jI=堡:呈

南京邮电大学学位论文使用授权声明

南京邮电大学、中国科技信息研究所、国家图书馆有权保留本人所送交学位论文的复印件和电子文档,可以采用影音、缩印或其他复制手段保存论文。本人电子文档的内容和纸质论文的内容相一致。除在保密期内的论文外,允许论文被查阅和借阅,可以公布(包括刊登)论文的全部或部分内容。论文的公布(包括刊登)授权南京邮电大学研究生部办理。

研究生签名:奎童导师签名:乏嘁

南京邮电人学硕+研究生学位论文第一章绪论

第一章绪论

1.1基于内容的图像检索

随着现代电子技术、计算机技术、多媒体技术以及Internet网络的飞速发展,图像信息的使用逐渐渗透到社会的各行各业,图像已成为大众化数字信息的一种重要形式,人们对图像信息的需求也越来越大。因此如何对规模越来越庞大的图像数据库进行有效的管理,快速、高效地从海量图像数据中检索出所需信息成为一个突出的问题【11【31【41【51。

人们在信息的交流与服务中不仅要求数据库及其信息系统能对图像进行基于关键字的检索,他们还需要进行图像内容的分析和理解,以达到更深层次的检索,于是基于内容的图像检索技术应运而生【51。目前基于内容的图像检索技术在数字图书馆、知识产权保护(如商标注册)、地理信息系统GIS、安全管理(如人脸识别和指纹识别)、医疗图像管理、卫星遥感图像管理等领域得到了非常广泛的应用lIJ。

1.1.1基于内容的图像检索的框架

基于内容的图像检索技术(ContentBasedImageRetrieval,简称CBIR)根据图像中物体或区域的颜色、纹理、形状和空间位置关系等信息建立索引,并且通过图像特征向量间的距离进行相似性度量…。CBIR系统的框架如图1.1所示,主要包括两个阶段【3】:特征值预先提取阶段和图像检索阶段。

1.在特征值预先提取阶段中,图像数据库中每幅图像的特征值被计算出来并存放在特征

索引文件中:

2.在图像检索阶段中,先提取待检索的样本图像的相关特征值,然后将其和特征索引文件中的信息进行比较,以获得最匹配的结果。

南京邮电人学硕十研究生学位论文第一章绪论

输入图像J牛巾

的幽像二二[对幽像进7J:预

处理输入待检索的样小图像二][二对图像进iJ:预处理

提取特征值ll提取特征值

特征索弓

义件特征值匹配

图1.1基丁.内容的图像检索系统框架

1.1.2基于内容的图像检索的特点

CBIR突破了传统的基于关键字检索技术的局限性,融合了图像理解、模式识别和计算机视觉等技术,具有如下显著的特点【3】【5】:

1.直接从图像内容中提取信息线索。基于内容的图像检索直接对图像的内容进行分析,

从中提取描述图像内容的特征,并利用这些特征来建立索引。

2.基于内容的图像检索是一种近似匹配的技术。在数据库中,需使用模式识别的方法对

图像库中的图像按不同索引特征分类。在检索的过程中,它采用某种相似性度量方法对图像库中的图像进行匹配,以获得查询结果。这一点与常规数据库检索的精确匹配方法有明显不同。

3.采用可视化的示例查询法。基于内容的图像检索通常采用示例查询法,用户可以通过

选择待检索的样本图像或自己绘制的图形作为查询条件,系统从中提取特征并进行查询,最后用户可以通过浏览结果的方式检验查询结果的好坏。

4.特征提取和索引建立可由计算机自动实现,避免了人工描述的主观性,也大大减少了

工作量。

1.2基于形状特征的商标图像检索

1.2.1基于形状特征的商标图像检索研究背景

商标是商品的重要标识之一,是商品生产者、销售者或服务提供者为商品与服务设立的标志,它的产生和应用是商品经济发展的产物【571。商标代表着企业的声誉和产品的质量。2

南京邮电人学硕十研究生!学何论文第一章绪论因此,商标的注册对于保护商标持有人的合法权利非常重要,在新商标注册前必须先在商标库中进行检索,以保证其与已注册的商标有明显不同15¨。

传统的商标检索是基于文本的检索,包括基于类目的检索和基于关键字的检索。随着注册商标数目的增多,基于文本的检索显露出三个弊端:(1)手工分类的人工消耗比较大;(2)难以描述商标的相似性,不易保证商标分类、标引的一致性:(3)对于一些抽象商标图像既不易归类,也不易通过文本方式来描述。因此开发一种准确高效的商标图像检索系统具有很大的研究和实用价值【2引。

基于形状特征的图像检索的一个典型应用是商标图像的检索p61。这里的商标图像是指仅包含图像或几何图形的商标,如图1.2所示。这种商标图像的特征一般包括颜色、形状以及版面等特征,与其它图像相比,作为人工图像的商标图像,其形状特征较颜色和纹理特征更为显著,而且许多商标图像属于单色无纹理的二值图像,因此一般利用形状特征进行检索,而形状特征的表达必须以对图像中物体或区域的划分为基础。对于一般的图像,当前的技术无法做到准确而鲁棒的自动图像分割,但是对于商标图像,其包含的物体或区域比较容易获得,所以基于形状特征的图像检索能很好地应用于商标图像的检索中。

臻善鲁r

!:::言罨臻咒o?一一一一

一’一一一,,r1_

幽1.2仅含有图像或JLf.1图形的商标图像

本文研究了将基于形状特征的图像检索技术应用到商标图像的检索系统中,以实现更直观和客观的商标图像检索。

1.2.2基于形状特征的商标图像检索研究现状

基于内容的图像检索始于20世纪90年代,因此,以基于内容检索方式查询商标图像也属于较晚兴起的研究,该领域的早期研究之一是1992年同本的T.Kato建立的商标图像检索系统【3¨。在过去的十几年中,出现了许多基于形状特征的商标图像检索算法,它们在商标图像的形状表示与匹配以及相似性度量方面都做了大量的工作。Cortelazzoetalt291采用串匹配技术描述商标图像的形状特征。Lam[9】使用无关矩、傅立叶描述子描述商标图像形状特征。Jain和Vailaya[圳提出用两级的分层检索结构进行商标图像检索,该算法采用边界方向直方图和Hu不变矩进行初步筛选,产生少量的候选图像,然后用计算量比较大的变

南京邮电人学硕士研究生学位论文第一章绪论形模板匹配方法在候选图像中选出与样本图像相似的图像。Kim等poJ利用的是ZMMs矩描述商标图像。Shih和Chen/28】利用两种变形参数、形状无关矩和边缘直方图四类特征来描述商标图像,并对这四类分别加权计算整体相似性。Wang等【25】提出用轮廓特征进行商标图像检索。Suganthan1381提出基于自组织图的商标图像检索算法。黄元元…提出综合利用商标形状特征与其内部空间位置特征的二值商标图像检索方法,先对图像内部各个连通子图像进行形状相似性度量,然后利用投影分类的方法匹配空例位置关系。郭丽和黄元元等

【63】提出基于方向特征的商标图像检索算法,该算法用边界方向直方图表示目标的边界方向特征,用区域方向直方图表示目标区域方向特征。郭丽【52】提出基于四叉树分块的商标图像检索系统。孙兴华150J研究并提出在商标图像检索中局部特征比全局特征能起到更好的检索效果,因此对如何结合各类特征的融合准则进行了深入研究。Shen[39J提出按照分块特征索引码对商标图像进行检索。Zou[371等提出基于极坐标分块的商标图像检索方法,保证了分块图像特征的镜像不变性。Hong[TM提出利用轮廓特征和区域特征进行综合多特征检索的算法。

总的来说,现有的商标图像检索研究基本上还停留在实验阶段,目前现有的商标图像检索方法,在缩放、旋转不变性,对于几何形变图像的检索能力、检索精度以及图像与人的视觉感受相一致等方面还存在不足,需要研究新的有效方法,并综合多种方法【52】。1.3本文的主要工作及创新点

本文对基于形状特征的商标图像检索方法进行了研究,对该领域近几年提出的检索算法进行了对比分析,提出~种基于子对象轮廓特征和规则子块区域特征的商标图像分层检索算法。其主要工作如下:

1.对如何更好地表示商标图像局部形状特征的方法进行了分析研究,详细叙述了目前两

种主要的提取局部形状特征的算法,并指出了这两种算法各自的不足。针对这些不足,本文将按照对象分割图像的思想应用于商标图像局部特征的提取中,提出了基于子对象轮廓特征和规则子块区域特征的商标图像检索算法,该算法将图像分割为连通子对象的方法和图像划分为规则子块的方法有效地结合起来,进行分层检索。该算法提取的形状特征包括子对象的轮廓特征和规则子块的区域特征,这样可以避免使用单一特征时表示形状不充分的缺点。

2.深入研究了利用成对几何特征直方图表示形状轮廓特征的算法,并采用此算法表示商

标图像中子对象的轮廓特征。为了得到子对象的成对几何特征直方图,需要进行子对4

南京邮电人学硕十研究生学位论文第一章绪论

象抽取、边缘检测、轮廓跟踪、轮廓多边形逼近、Hough变换检测线段、计算有向相对角和有向相对位置等步骤,因此本文对这些步骤中涉及到的算法进行了研究。

3.在实验中发现,目前常用的预处理方法会造成商标图像中形状的失真,本文对失真的

原因进行了分析,并提出一种无畸变的预处理方法。该方法提高了基于形状特征的商标图像检索算法的性能。

4.针对等距离同心圆分块法的不足之处,本文提出了改进的同心圆分块法,该方法提高

了商标图像边缘区域特征表示的精度。

5.将本文提出的算法与目前已有的两种商标图像检索算法进行对比实验,这两种对比算

法分别是:(1)基于规则子块区域特征和全局Hu不变矩的商标图像检索算法;(2)基于连通子图像区域特征的商标图像检索算法。通过对实验结果的分析可以看出,本文提出的算法对平移、缩放、旋转和镜像具有很好的不变性,而且对商标图像的几何形变不敏感,检索出的商标图像具有较好的视觉一致性。

本文的创新点可以归结为以下几点:

1.提出基于子对象轮廓特征和规则子块区域特征的商标图像分层检索算法;

2.提出无畸变的商标图像预处理方法;

3.提出改进的同心圆分块法。

1.4本文的内容安排

本文的主要内容安排如下:

第一章绪论。主要阐述了基于内容的图像检索的框架与特点、基于形状特征的商标图像检索算法的研究现状、本文所做的主要工作以及本文的内容安排。

第二章叙述相关的原理与技术。首先介绍了本文所用到的表示轮廓特征的成对几何特征直方图与表示区域特征的Hu不变矩和离心率。其次介绍了两种主要的提取商标图像局部形状特征的方法。

第三章提出并描述基于子对象轮廓特征和规则子块区域特征的商标图像分层检索算法。该算法的过程为:(1)采用无畸变的预处理方法对商标图像进行预处理;(2)第一层检索提取商标图像中子对象的轮廓特征,采用加权最小平均值准则来度量商标图像间的相似性,产生第一层检索的结果集合;(3)第二层检索将第一层检索的结果集合作为搜索范围,提取规则子块的面积特征和全局Hu不变矩,通过欧式距离来计算相似性,产生最终的检索结果。

南京邮电人学硕士研究生!学位论文第一章绪论

第四章设计实验并分析实验结果。首先介绍了实验中用到的两种对比算法。其次叙述了几种主要的性能评价方法。最后,对实验结果进行了分析。

第五章总结与展望。对本文的研究工作及取得的成果进行了归纳总结,并提出今后的研究方向。

最后是参考文献。6

南京邮电人学硕十研究生学位论文第二章相关原理及技术介绍

第二章相关原理及技术介绍

本章将详细叙述三种形状特征表示方法:成对几何特征直方图、Hu不变矩和离心率。另外,对目前常用的两种提取商标图像局部形状特征的方法进行介绍,并分析其优缺点。2.1形状特征表示方法

通常来说,形状特征有两种表示方法【19J:轮廓特征和区域特征。轮廓特征用到物体的外边界,而区域特征关系到整个图像的区域部分。人们习惯根据闭合的轮廓或边界来判断形状的相似性,但是使用闭合轮廓作为唯一的特征进行检索,效果也不是很成功。另一方面,单独使用区域特征进行检索的缺点是对物体内细小的变化很敏感,不具有足够的鲁棒性。这些因素表明,有必要结合轮廓特征和区域特征来进行图像检索。

2.1.1成对几何特征直方图(Pair-wiseGeometricHistogram)

成对几何特征以及成对几何特征直方图是一种形状轮廓表示方法。先是Evans等【43】提出了相对角和垂直距离这对几何特征,并采用几何直方图进行图像检索。后来B.Huet等【42】在此基础上提出了改进的成对几何特征。下面主要阐述一下基于改进的成对几何特征和成对几何特征直方图的轮廓特征表示方法。

定义1.有向相对角(DirectedRelativeAngle)。

对于每条线段的原始可用信息是它的方向和长度。为了说明成对几何特征是如何确定的,将线段历和线段历分别表示成向量历和刁,这些向量的指向是距离它们交点较远的方向。取线段幻作为基线段。成对几何特征中的相对角即为两条线段之倒或者其延长线之间的夹角a,如图2.1,那么相对角特征就可以用公式2.1表示。

图2.1两条线段的相对角

南京邮电人学硕十研究生学位论文第二章相关原理及技术介绍

‰一ccosl耥I

的角度范围从[0,棚扩充到[.瓦棚。因此,角度属性也相应地增大了分辨能力。

定义2.有向相对位置(DirectedRelativePosition)。@,,通过相对角可以计算出有向相对角,即如果基线段历和与它匹配的线段刁2_f自J的夹角的方向是顺时针,那么有向相对角就是在相对角前面加上正号,反之,如果它们的央角方向是逆时针,那么有向相对角就是在相对角前面加上负号,这样成对线段历和历之间

引入相对位置的目的是为了描述一对线段之I’自J的相对位置关系,同时解决只有一个特征所产生的局部形状模糊问题【421。图2-2[421就显示了这种局部形状模糊的情况,从图中可以看出线段历和一ef关于基线段磊都有相同的有向相对角。这种结构如果在有向相对角的基础上结合有向相对位置特征,那么就能唯一地定义这个局部形状。

图2.2两条线段的有向相对位置

有向相对位置岛.刁是用向量历和向量历的长度比率表示的,如公式2.2[421所示。其中i是基线段a—b和线段历的交点或者延长线的交点,历则是i和b两点所确定的向量。

D,

岛矿芒d扫(2.2)

有向相对位置如果为。。则表明这两条线段是平行的,如果为1/2则表明这两条线段的交点落在基线段的中点,如果为1则表明这两条线段相交于基线段的起始点。根据向量方向的指定(即距离它们交点较远的方向),得出线段交点落在基线段中点时是相对位置取最小值的情况,因此有向相对位置的取值范围为[1/2,∞)。

定义3.二维成对几何特征直方图(2DPair.wiseGeometricHistogram)。

二维成对几何特征直方图的描述是以上述成对几何特征为基础的。下面就来说明在成对几何特征直方图中如何表示成对几何特征。

由定义1和定义2得知有向相对角的范围为【.7C,明,而有向相对位置的范围为[1/2,oo)。R

南京邮电大学硕十研究生学位论文第二章相关原理及技术介绍当计算直方图的时候处理00不是很实际,

动,成为公式2.3[421所示:所以为方便统计,将有向相对位置的公式稍做改

%,刁=T_1丐一▲——旦

2(2.3)D矗

这样有向相对位置的范围就变成(0,1]。

将直方图x轴方向代表有向相对角,Y轴方向代表有向相对位置,z轴方向代表成对几何特征的统计值Ⅳ(秒。,19。),二维成对几何特征直方图如图2-3所示。

幽2-3二维成对儿何特征直方图

成对几何特征直方图的统计过程可以用公式2.4f42】表示:

日c吼,岛,={Z:2i量;,+1‘。砌ePo刑E,三

段_/的图像边界。

2.1.2c2.4,其中i和,是从原始图像中提取出的两条线段,E代表符合条件的边集,Pf,表示分段i和分Hu不变矩

Hu不变矩‘411是由图像的2阶和3阶规格化中心矩导出的7个不变矩组成的,它是一种经典的形状区域表示方法,在图像的识别和检索中都得到了广泛的应用f19】。Hu证明了7个不变矩中的前6个不变矩对于图像的平移、缩放和旋转变化都具有良好的不变性,而第7个不变矩只具有平移和缩放不变性【18】。

定义1.函数的p+q)阶矩。给定二维连续函数F(x,力,其p+g)阶矩定义为公式2.5所示:

M朋=£Exry9,(x,y)dxdy(2.5)

其中P,q=0,1,2,…。唯一性定理证明,如果F(x,y)是分段连续的,并且只在拶平面的有限部分中有非零值,则所有各阶矩皆存在,并且V(x,力唯~地确定矩序列坞g,q

南京邮电火学硕十研究生学位论文第二二章相关原理及技术介绍反之,坛也唯一地确定F(x,力。

定义2.函数的p+g)阶中心矩。给定二维连续函数F(x,力,其p+g)阶中心矩定义为公式2.6所示:

∥朋=££(x—i)p(Y-y)9F(五y)出dy

其中i和Y可分别用公式2.7和公式2.8表示:(2.6)

i=专若}———一IIF(x,y)dxdy

Y=专芒}———一IIF(x,y)dxdy

因此i和歹也可以表示为公式2.9的形式:IlxF(x,y)axay(2.7)II∥(x,y)dxdy(2.8)

i:挚,歹:下MolM00Moo。(2.9)、。

定义3.图像的p+g)阶矩和p+g)阶中心矩。对于离散的数字图像f(x,y),可以用求和代替积分来计算矩和中心矩。公式2.10表示数字图像f(x,力的矩,公式2.11表示数字图像f(x,y)的中心矩:

M朋=∑ZXMYf(x,y),P,q=o,1…2..

‰=∑∑(x—i),(y-Y)9f(x,y),p,q=o,1…2..

其中(i,歹)表示图像质心点的坐标。这里,零阶矩可以表示为公式2.12所示:(2.10)(2.11)

M。。=∑∑f(x,y)(2.12)

对于二值商标图像,令其背景值为0,形状区域内的值为1,则零阶矩表示该形状区域的面积。中心矩是以图像的质,tb作为原点计算得到的,因此中心矩具有位置无关性。

图像的规格化中心矩记作r/pq,定义为公式2.13t哼1:

驴急,厂=半,m.2,3,..?

规格化中心矩在物体平移、缩放和旋转时保持不变。(2.13)

定义4.图像的Hu不变矩。利用图像的7个归一化中心矩{H,,,Uo:,∥2。,一2,∥:。,胁,,,u3。)可以导出公式2.14…所示的7个不变矩,即Hu不变矩:lO

南京邮电人学硕十研究生学位论文第-二章相关原理及技术介绍

识=∥20+风2

欢=(∥20一砌)2+4∥?l

九=(/60一3∥12)2+(风3~3∥2I)2

么=(鸬o+∥12)2+(%3+∥21)2

九=(从。一3,ul2)(心。+“2)『(从。+“2)2—3(‰3+∥21)2](2?14)

+(鳓3—3/a21)(∥03+∥21)[(‰3+/121)2—3(∥30十∥12)2]

九=(∥20一/-t02)I(心o+“2)2—3(风3+∥2I)2l+4flIl(/a30+H2)(硒3+鸬1)

办=(3∥2I一肌3)(鸬o+∥12)f(∥30+∥2I)2-3(/d30+∥12)2

图像的Hu不变矩可表示为公式2.15【4。1所示:

伊={磊,政,九,么,九,统,办}(2.15)

Hu不变矩的不足之处在于它对图像的描述太过笼统,难以反映细节。另外在离散情况下,图像变换是不连续的,除平移、镜像变换外,旋转和缩放变换均会导致图像像素数目的变化,从而使计算结果产生误差。所以在提取Hu不变矩时应该首先对图像进行预处理。另外,为了提高检索的性能,应将Hu不变矩与其他形状特征表示法结合起来进行检索。2.1.3离心率

离心率(Eccentricity)又称偏心率、伸长率,可以由(矿晕)阶中心矩定义,按公式2.16计算:&:缝型烨(%o+鸬2)。(2.16)、2.2基于图像局部形状特征的检索方法

在基于形状检索的研究中有两种思路【6引,一种是全局特征匹配,强调对整体图像的形状、轮廓特征分析;另一种思路是局部特征匹配,强调对图像内部对象的个体特征分析。商标图像的全局特征是对整幅商标图像提取的特征,其强调图像的整体特征,而忽略了局部图像特征和局部图像间的空间关系。事实上,商标图像局部特征和局部图像问的空间关系同样是商标图像检索中非常重要的特征【541。一般来说,人对计算机商标图像检索结果的评价主要是以商标图像中的目标(局部特征)来进行衡量的,所以基于图像局部形状特征的检索更适合商标图像的检索【54J。描述图像局部形状特征的方法主要有两类156]:第~类是基于图像分割为连通区域的方

南京邮电人学硕+研究生学佗论文第一章相芙原理及技术介鲋法,第二类是基于图像划分为规则子块的方法。

2.2.1基于图像分割为连通区域的方法

商标图像属十人工设计图像,很多商标图像都是由若干边界分明且互不重叠的几何图形构成的。这些几何图形所在的区域其内部是互相连通的,而和别的几何图形不相连,如图2-4所示,其中2-4(a)为原商标图像,2-4(b)(c)是按照连通性分割出的子图像。基于图像分割为连通区域的方法首先从商标图像中提取各个连通区域,然后分别针对各个连通区域进行特征提取。

固脚

曲原商标幽像

幽2-4(b)于幽像I基r削像分别为连通区域晌方法●c1子幽像2

基于改方法的商标图像检索算法研究有:黄元元””提出的综合利用商标形状特征与其内部空间位置特征的二值商标图像检索算法,该算法的基本思想是将商标图像看作足一个由若干具有显著形状特征的几何图形组成的图形集合体,先对其内部各个组成部分进行形状相似性度量,然后利用投影分类的方法匹配空间位置关系,整个检索过程分为初级检索和检索求精,即分别对应形状匹配和位置匹配两个阶段。孙兴华等”…对商标图像检索中的子图像特征融合准则进行了研究,根据子图像可信度列商标图像特征融合准则进行加权改进,提出了加权最小平均值准则,通过公式推导和实验证明基于子图像特征融合的商标图像检索性能优于基于全局图像特征的检索性能,子图像特征融合加权准则优于未经加权的于图像特征融台准则.其中加权最小平均值准则最优。马玉国等【”淝商标躅像分割为多个独立的单元连通子图像,然后对各个单元子图像提取Hu不变矩和离心率,并利用多特征匹配方法对商标图像进行检索。

2.22基于图像划分为规则子块的方法

基于图像划分为规则子块的方法首先将商标图像分为若干舰则子块,然后分别提取每个子块的特征。采J;}j这种方法通常需要做一些预处理工作.包括提取商标图像的目标区域、确定商标图像的形状主方向和根掘形状主方向旋转商标图像,这样可以消除图像平移和旋转的影响。在检索中,除了提取商标图像相应予块的特征外,通常还需要考虑商标图像全12

南京邮电人学硕士研究生学位论文第二章相关原理及技术介绍局特征,最后通过加权计算总的相似性。

基于该方法的商标图像检索算法研究有:郭丽【52】提出的基于四叉树分块的商标图像检索算法,该算法首先确定商标图像的形状主方向,然后通过提取最小外接矩形作为目标区域,再将目标区域按照4叉树的分解方式划分为多个子块,对每个子块提取特征并对图像进行相似性度量;ZouI”】提出的基于极坐标分块的商标图像检索算法,即提取目标像素的最小外接圆作为目标区域,在以最小外接圆圆心为原点、图像的形状主方向为极轴的极坐标中将图像分块,提取各子块的特征。曹清华等f58l利用基于等距离同心圆分块法的商标图像检索算法,该算法不需要计算形状主方向和旋转图像来实现检索对旋转的不变性,是一种较为简单、计算量较小的分块算法。郭丽【52】也曾利用同心圆分块法将商标图像分块后计算距离分布直方图进行检索。下面将介绍等距离同心圆分块法。

该算法用同心圆将商标图像划分为子块后,提取各个子块的面积特征。该算法的步骤如算法2.1所示。

算法2.1等距离同心圆分块法

具体算法描述【59】【52】如下:

1.设商标图像函数为m,y),由公式2.9计算出图像的质心(i,歹),以质心为基准点,按照公式2.17计算图像中各个目标像素点到基准点的距离:

●。‘。。‘。。’’’’●。。●。。●。。。_。-。。-。●。。_。●_。‘。●_。。。。_。。。_。。一

一=4(x,一i)2+(Y,-y)2

满足公式2.18的西是图像中所有目标像素点到基准点的最大距离,记为DMAⅣ:(2.17)

%Ⅳ=max(d,),i=1,2,...,MAXNUMBER

其中MAXNUMBER为图像中含有的目标像素点总个数。(2.18)

2.以质心为圆心,以D朋x为半径画圆,该圆包含商标图像中所有的目标像素点。将该圆的半径等距离分成Ⅳ份,画Ⅳ个同心圆,如见图2.5所示。这Ⅳ个同心圆将商标图像的目标区域划分为Ⅳ个规则子块,,O,力,…,,『0,y),…,IN(X,力,1≤f≤Ⅳ。

南京邮电人学硕十研究生学位论文第一章相戈原理及技术介圣f{

◆《

(a)原商标削像

恻2-5◆《(b)锋距离同心倒划分子块等距离同心圆分块法

3按照公式219¨算出每个圆环内图像的面积“J1,l!f!Ⅳ。则各规则予块对应的面积分别为s(1),s(2).…,J(Ⅳ),其中N越大则划分精度越高。

嘶)=;;似∽,tyN足旦等坠c瓜可而万s生争(219)

4按照公式220时5(j)进行归一化,得到面积特征向NfA={Ts(I),rs(2).,而(^。}:

(220)吲扣嚣,…州

223上述方法的优缺点分析

22l和2,22节己经叙述了提取图像局部形状特征的两种主要方法,这两种方法都具有其优点.也存在不足之处。

基于图像分割为连通区域的方法其优点在于根据连通性提取出的各个区域能够反映出局部图像特征,它们是商标的组成部分.每个区域在人的大脑中会形成相对独立的印象,人的视觉更关注于这些组成部分。所以这些连通区域的特征对商标图像而言是非常重要的,分别考虑其连通区域的形状特征对于商标图像的检索更为合理和准确.尤其是当商标图像是由多个几何图形组成时,该方法能够突出各个几何图形的特征。而这种方法的不足之处是连通区域不能表达出商标图像的空间师局关系。如图2-6所示的组合商标图像中,几个相同的几何图形若出现在不同的位置上,就会给人以不同的视觉感受,尽管组成两幅商标图像的几何圈形是一样的,但在人眼看柬,它们还是具有一定筹距的图像。

幽2-6}R成相同仉宅问何苴不同的商标酗像

基于图像划分为规则子块的方法其优点在于每个予块图像特征反映丁图像的局部特

南京邮电入学硕十研究生学位论文第二章相关原理及技术介绍征,而多个子块图像特征的有序结合反映了各局部特征问的空例关系,从而反映了图像的全局特征。也就是说,该方法综合利用全局特征和局部分块特征对商标图像内容进行描述,~定程度上提高检索性能。而这种方法的缺点是它在整幅商标图像的基础上分块,其划分的子块只是图像的局部拼图并不是相互独立的连通区域。另外,因为子块图像中的内容无法表达一个完整的几何图形,所以基于这种方法的检索中不能使用形状的轮廓特征,从子块中提取轮廓特征是没有意义的。故该算法无法结合轮廓特征和区域特征进行商标图像检索。

2.3本章小结

本章首先叙述了成对几何特征直方图、Hu不变矩和离心率,这些特征都具有良好的平移、缩放、旋转和镜像不变性。

接着叙述了两种提取图像局部形状特征的方法,包括基于图像分割为连通区域的方法和基于图像划分为规则子块的方法,并指出了近几年基于这两种方法的算法研究工作,最后分析了这两种提取局部形状特征的方法的优缺点。

南京邮电人学硕士研究生学位论文第三章一种新的基丁.形状特征的商标幽像分层检索算法

第三章一种新的基于形状特征的商标图像分层检索算法针对现有基于图像局部形状特征的商标图像检索算法的不足,本文提出了基于子对象轮廓特征和规则子块区域特征的商标图像分层检索算法。该算法将子对象的轮廓特征、规则子块的区域特征以及全局特征有效地融合在~起。实验证明该算法对平移、缩放、旋转和镜像具有很好的不变性,而且对图像的几何形变不敏感,检索出的商标图像具有较好的视觉一致性。本章将详细描述该算法。

3.1算法概述

本文提出了基于子对象轮廓特征和规则子块区域特征的商标图像分层检索算法。该算法强化了按照连通区域分割的思想,将按照图像子对象分割的思想应用于商标图像检索中。与连通子图像的定义相比较,子对象的定义能更好地反映出商标图像中的各个组成部分。为了避免子对象的特征不能反映出商标图像空间布局关系的缺点,该算法在第一层检索结果的基础上采用改进的同心圆分块法对商标图像进行第二层检索,利用规则子块的特征反映出子对象的内部特征和商标图像空间布局关系特征。

该算法的步骤如算法3.1所示:步骤1是预处理过程:步骤2到步骤11为第一层检索即基于子对象轮廓特征的检索:该层检索首先抽取出商标图像中的子对象,然后计算子对象的成对几何特征直方图,最后采用加权最小平均值准则【54】作为相似性度量函数;步骤12至步骤15为第二层检索即基于规则子块区域特征的检索:该层检索将第一层检索的结果集合作为搜索范围,采用改进的同心圆分块法,提取子块图像的面积特征,同时结合全局Hu不变矩特征,最后采用欧式距离作为相似性度量函数。

算法3.1基丁.子对象轮廓特征和规!i!|J子块区域特征的商标图像分层检索算法16

南京邮电人学硕十研究生学位论文第二章一种新的基丁:形状特征的商标图像分层检索算法

5.对边缘检测的结果进行8.邻域轮廓跟踪(算法3.5),得到子对象的外轮廓

曲线;

6.采用Douglas.Peucker算法(算法3?6)对轮廓曲线进行多边形逼近,得到

子对象的多边形逼近轮廓:

7.采用Hough变换(算法3.7)检测多边形逼近轮廓中的线段;

8.计算轮廓线段的成对几何特征,绘制出成对几何特征直方图(算法3.8),

并将直方图数值保存到特征索引文件中。同时,将该子对象标记为“已处

理”。如果该图像中还有标记为“未处理”的子对象,则转到步骤4,否则

执行步骤9;

9.处理下一张商标图像,转到步骤3。如果商标图像库中的图像全部处理完

毕,则执行步骤10;

10.选择待检索的样本图像,执行步骤2到8:

11.采用加权最小平均值准则对商标图像中子对象特征进行融合,计算待检索

的样本图像与商标图像库中的每一幅商标图像的距离,并将距离按升序排

序,取出前120幅商标图像作为第一层检索结果。

12.采用本文提出的改进的同心圆分块法(算法3-9),分别对步骤11得出的

120幅商标图像和待检索的样本图像进行特征提取,计算出面积特征向量

办,并将该向量保存到特征索引文件中;

13.分别计算这些图像的全局Hu不变矩,得到一个不变矩向量.屑。,并将该向

量保存到特征索引文件中;

14.采用高斯归一化算法(算法3.10)对每幅图像的面积特征.局和Hu不变矩

^。进行归一化处理;

15.综合表示特征向量,计算样本图像与这120幅商标图像之问的距离,并将

距离按升序排序,取出前21幅商标图像作为最终的检索结果。

3.2商标图像预处理

商标图像形状特征的提取都是在二值图像的基础上进行的,而一般的商标图像为彩色图像且格式尺寸不一,为了得到规则的二值图像以提高检索效率,应先对商标图像进行预处理。目前常用的预处理方法有两种:文献[37】[52】采用的方法是首先进行驮度化、二值化,然后对原始商标图像进行尺寸归一化,最后在统一大小的图像上提取目标区域;文献[39】

南京邮电大学硕十研究生学位论文第三章一种新的基丁.形状特征的商标幽像分层检索算法采用的方法是首先进行灰度化、二值化,然后在原始图像上得到目标像素的最小外接矩形作为目标区域,然后对目标区域进行尺寸归一化。

实验中发现这两种方法均会造成商标图像中形状的畸变,这是由于各个商标图像的长度和宽度不相等,而在预处理过程中进行尺寸归一化会将商标图像拉伸或缩小为一个统一尺寸的图像,这样造成非等比例的缩放,导致图像中形状的失真。一般而言,尺寸归一化处理后图像的长度和宽度是相等的,即图像缩放为一个正方形图像。以图3.1(a)为例,该商标图像的大小是57x166像素,将其尺寸归~化为128×128像素后得到图3.1(b)所示的J下方形商标图像。由图可见,商标图像中的形状一定程度地发生了畸变。为了解决预处理过程造成的形状畸变,本文提出了一种无畸变的预处理算法。

(a)原两标幽像,J己寸为57×166像素

图3.1(b)预处理屙的f萄标图像,尺寸为128×128像素尺寸门一化造成的形状畸变

在经过颜色图像狄度化和灰度图像二值化的操作后,可以得到一幅二值商标图像。二值商标图像仅由白色和黑色两种像素组成,定义白色为背景像素,黑色为目标像素。设肛:y)为二值商标图像,则他,J,)=1表示目标像素,j(x,力=0表示背景像素。通常情况下,目标像素都没有将商标图像填满,而只占据图像中的一部分区域,这部分区域称为目标区域。目标区域为原商标图像的一个子区域,这个区域包含了商标图像中的所有目标像素。

目标区域可以有多种定义。例如基于四叉树分块的商标图像检索算法152】定义目标像素的水平方向最小外接矩形为商标图像的目标区域;基于极坐标分块的商标图像检索算法【371采用目标像素的最小外接圆作为目标区域。本文采用目标像素最小外接圆的水平外切矩形作为目标区域,很显然这个目标区域是诉方形区域。

无畸变预处理算法的步骤如算法3.2所示:

算法3-2无畸变预处理算法

南京邮电人学硕十研究生学位论文第三章一种新的基丁.形状特征的商标图像分层检索算法

下面详细说明该算法中步骤3、4和5:

步骤3是提取目标像素的最d,#t-接圆。最小外接圆是包含图像中所有目标像素且半径最小的圆,该圆贴近商标图像的边缘。本文采用文献[24】提出的计算最小外接圆的算法,这罩将不再叙述。

步骤4是计算最小外接圆的水平外切矩形,并将此矩形作为目标区域。如图3.2所示,设最小外接圆的圆心坐标为O(xo,yo),半径为R,则该矩形的左上顶点L(xt,J,,)和右下顶点R∽,y2)的坐标可通过公式3.1和公式3.2求出:

p2xo-R

【Yl=Yo+R(3.1)、’

{铲xo+R。【Y2=Yo一尺(3.2)、7

很显然,这个矩形是正方形。

(Xl,y1)/一L

./,A

‘\7/‘

(而,Y2

图3?2最小外接圆的水平外切矩形

步骤5是在目标区域上进行尺寸归一化,将商标图像缩放为一个统一尺寸(如128X128像素),如图3.3所示,其中3-3(a)是原商标图像,3-3(b)是计算出商标图像中目标像素的最小外接圆以及该圆的水平外切矩形,并将水平外切矩形作为目标区域,3-3(c)是对该目标区域进行尺寸归一化处理后的结果。可见,采用该预处理方法,尺寸归一是等比例的缩放,不存在形状畸变。

/,,、\

L,、/。

(a)原商标图像(b)外切矩形作为目标区域(c)尺寸¨]一化

图3.3无畸变的预处理过稗

无畸变预处理算法的优点和局限性是:

1.该算法最大的优点在于不会造成形状的畸变;19

南京邮电人学硕十研究生学位论文第二章一种新的基丁.形状特征的商标图像分层检索算法2.该算法提取的目标区域具有平移、旋转和镜像的不变性;

3.该算法中计算出的最小外接圆为第二层检索中的同心圆分块法做了准备工作;

4.局限性为该算法比一般的预处理算法略为复杂,需要首先提取最小外接圆然后再计算

水平外切矩形。

3.3第一层检索:基于子对象轮廓特征的检索

第一层检索的目的是从商标图像库中排除大量不相似的商标图像。根据人的视觉特性,人主要是靠边缘和轮廓来理解图像,所以基于形状轮廓特征的方法能够排除那些轮廓不相似的商标图像。商标图像中子对象的轮廓特征能够反映出局部图像特征,经过子对象特征融合后可以获得更好的检索性能。

轮廓特征有多种描述方法,其中成对几何特征直方图具有良好的旋转和缩放不变性,尤其对形状的扭曲和球面化等几何形变具有很好的不变性。当子对象的轮廓较为复杂时,检索效果仍然较好。所以本文采用成对几何特征直方图表示子对象的轮廓特征。

3.3.1子对象的抽取

子对象的抽取是从原商标图像中分割出互不相交(不重叠)的几何图形的过程。下面叙述子对象抽取算法的主要思想。

假设有两个像素点P和q,它们在图像中的坐标分别为∞,肋)和(Xq,yq),其狄度值分别f(Xp,yp)币a](Xe,yq),若p和q同时满足公式3.3和3.4中列出的条件‘511,则称像素p和g是连接的,记作p营q。

D占(p,g)=x/(xP一‘)2+(J,,,一Yq)2≤L

If(x,,Y,,)一f(Xq,只)l<F

其中D£为欧式距离,£和s是常量阈值。(3.3)(3.4)

对于二值商标图像,£取值为零。对三的不同取值则代表着不同的连接准则。当取L=I时,则只依据旁侧相邻(上、下、左、右)的像素确定连接,称为4连接准则阳1,因此任意一个像素只有4个邻点与之相连接,如图3-4(a)所示。当取£=√2时,则是除了旁侧相邻的像素外,再加上对角相邻(45。邻点)的像素也被认为是连接的,称为8连接准则‘641,于是任意像素就有8个邻点与之相连接,如图3-4(b)所示。通常,8连接准则的结果与人的视觉感受更接近一些,因此本文采用8连接准则来抽取子对象。

南京邮lU人学硕十研究生学位论文第=章一种新的基1。形爿J}特,征竹商标酗像分层捡祟算法

(a)4缝接

削34(b)8垭谨眄种连接准则

根掘上述的连接准则,若存在~个H维(H≥0)的像素点集S={s/,S2,

。,静5D

连通的。,如},有pC*S,,.Sn-i甘j。,gn学q.则称像素点p和q是连通的….否则称像素点P和q是非

假设将一幅二值商标例像分割为满足下列条件的像素集{OIt仉,

示集合的个数):

2,仇)(k>0.表对于O,(1≤』≤砷中的任意像素点p(xp,脚,有胁.脚=l;X'J'亍"ftl意两个像素点P、q∈n(1≤f≤砷r都有P和q是连通的r

口n口=中“≠,.1≤J,J≤^),中表示空集;

对于Vp∈n和VqCq(1≠^I≤‘,≤砷N:gp和q是非连通的。34

则称鹾商标图像按照子对蒙进行了分割.得到一个孑对象集合{Oj,02一,仇}。如图3-5所示,(b)(c)为从原商标图像fa)中提取卅的两个子对象.

(a)原商标目像

幽3-5O(b)千对象1商标幽像丹刮于对象

算法3-3千对象抽墩算法该算法的步骤如算法3-3所示:

2设商标图像函数为。眠y),将泼图像中所有像素点标记为“未处理”;找到图像中的一个标记为“未处理”的点0,y),且以r,力=1t将该点作为

已知点,将其加入空点集O中,井标记该点为“己处理”;

3根据8连接准则,按照广度优先递归遍历算法从该已知点丌始遍历,将同

时满足公式33和3.4的点加入D中,并将该新找到的点标记为“已处理”:

4.将0保存为一个子对象:

5如果图像中还存在标记为“未处理”的点啊,".且m,y);l-则清空点集

0,转向步骤2,否则算法结束。

南京邮电人学硕+"f究生学位论文第二章种新的基丁形状特祉的商标幽像分层检采算法

a)子对象I

(c)子对象2

剧3-8囱口对子对象进行让缘跟踪(d)轮廓跟踪结果

3.34轮廓的多边形逼近

对于已经得到的商标图像子对象的轮廓,需要经过Hough变换检测线段之后才能提取限轮廓特征的成对几何特征。但是H|于有些商标罔像中了对象是曲线轮廓,造成Hough变换无法检测出直线,因此需要多边形逼近曲线轮廓,本文采用Douglas.Peucker算法进行多边形逼近。

Douglas—Peucker算法是一个从整体到局部的算法,设算法ur以保持曲线走向,具有平移、旋转不变性,对同曲线束说选定的限差不变则结果不变。Douglas—Peucker算法的步骤[481为算法3-6所示,图3-9为Douglas-Peucker算法的过程。

算法3-6

1Douglas.Peucker算法将子对象轮廓曲线划分为”段,每段曲线段首术两点之问的g酢耵再I_爵

段曲线段仞始化标已为“未处理”;

2取条标记为“末处理”的曲线段,令首未两点虚连一条直线,求所有点

到醣直线的距离d,找出最人距离值dMax(如图3-9所示.乩。“对应点是

曲线段上的C点):

3用dntAx与限差D相比:若dMAx<D时,这条曲线段上的中问点全部舍去:

若du,tx≥D,则保留dw』所对应的坐标点,并以该点为界把曲线段分为

两部分:

4在每一部分L再重复上面的过程直到遍历该曲线段上所有的点,并将该曲

线段标畦为“已处理”状态;

南京邮电人学硕十研究生学位论文第二章一种新的基丁.形状特征的商标图像分层检索算法逆时针方向。轮廓跟踪通过顺序找出边缘上的点来跟踪出轮廓。最简单的轮廓跟踪算法是8.邻域跟踪算法。一个二值商标图像闭合轮廓的跟踪算法很简单(如图3.7所示):首先按从上到下、从左到右的顺序搜索,找到的第一个边界点一定是最左上方的边界点,记为彳D。它的左下、下、右下、右四个邻点中至少有一个是边界点,记为A,。从A,丌始找起,按照左下、下、右下、右、右上、上、左上、左的顺序找相邻点中的边界点彳“。然后按同样的方式找到边界点A”。如果A。是A,点、4州是AD点的话,则表明已经转了一圈,算法结束:否则从A.,,点继续找。判断是不是边界点很容易:如果它的8个邻居都是日{『景色则它不是边界点,否则它就是边界点。检测到的图像轮廓则由这些像素彳D,AI,A2,…彳帕,4D组成。

3。‘l

4。\/。

。/\70

5、7

图3.78.匀;域

轮廓跟踪的算法步骤啤1如算法3.5所示:

算法3.5子对象轮廓跟踪算法

1.按照从上到下、从左到右的顺序扫描图像,寻找没有标记跟踪结束记号的

第一个边界起始点Ao,Ao是具有最小行值和列值的边界点。定义一个扫描

方向变量dir,变量用于记录上一步中沿着自U一个边界点到当6矿边界点的

移动方向,其初始化取值为dir=5:

2。按照逆时针方向搜索当前像素的8邻域,其起始搜索方向设定如下:若dir

为奇数取(咖+7)mod8,若优,-为偶数取(dir+6)rood8。在邻域中搜索到的

第一个与当前像素值相同的像素便为新的边界点A月,同时更新变量dir为

新的方向值;

3.如果A珂等于第二个边界点A,且前一个边界点彳州等于第一个边界点AD,

则停止搜索,结束跟踪,否则重复步骤2继续搜索:

4.由边界点AD,A,,A2,…A柑,Ao构成的边界便为跟踪得到的轮廓。轮廓跟踪的效果如图3.8所示。

南京邮电人学硕+"f究生学位论文第二章种新的基丁形状特祉的商标幽像分层检采算法

a)子对象I

(c)子对象2

剧3-8囱口对子对象进行让缘跟踪(d)轮廓跟踪结果

3.34轮廓的多边形逼近

对于已经得到的商标图像子对象的轮廓,需要经过Hough变换检测线段之后才能提取限轮廓特征的成对几何特征。但是H|于有些商标罔像中了对象是曲线轮廓,造成Hough变换无法检测出直线,因此需要多边形逼近曲线轮廓,本文采用Douglas.Peucker算法进行多边形逼近。

Douglas—Peucker算法是一个从整体到局部的算法,设算法ur以保持曲线走向,具有平移、旋转不变性,对同曲线束说选定的限差不变则结果不变。Douglas—Peucker算法的步骤[481为算法3-6所示,图3-9为Douglas-Peucker算法的过程。

算法3-6

1Douglas.Peucker算法将子对象轮廓曲线划分为”段,每段曲线段首术两点之问的g酢耵再I_爵

段曲线段仞始化标已为“未处理”;

2取条标记为“末处理”的曲线段,令首未两点虚连一条直线,求所有点

到醣直线的距离d,找出最人距离值dMax(如图3-9所示.乩。“对应点是

曲线段上的C点):

3用dntAx与限差D相比:若dMAx<D时,这条曲线段上的中问点全部舍去:

若du,tx≥D,则保留dw』所对应的坐标点,并以该点为界把曲线段分为

两部分:

4在每一部分L再重复上面的过程直到遍历该曲线段上所有的点,并将该曲

线段标畦为“已处理”状态;

鬣B萨B广。

(a)娘商标幽像子剥琢

d)原商标幽像子对孽2

33阐一禹(e)轮廓跟踪(O多边形逼近幽3-10多边彤趔近敛果5线段检测

HOU曲变换是…种从月2空Ⅶ到参数空『白J的映射,利用图像全局特征而将边缘像索连接起柬组成区域封闭边界的一种方法16”。最简单的Hough变换形式是直线HolJ曲变换。在Hough变换的意义E.一条直线就是一组共线的点集。属于该直线的点数可为从一个点到整幅图像的对角线的像素个数,直线的质量可由通过它的点的多少来断定。

在数学上.一条直线可以由直线的斜率(m)和直线在纵轴上的截距(c)描述,或山原点到直线的距离D)和原点到直线的垂直线与z轴方向的火角(印束确定。而要描述一条线段,除了上述两个参数之外,还需要知道它的长度或两个端点的坐标。因此利用标准Hough变换来得到在某一条直线上的所有像裘点.然后根据这些像素点之|ljJ的连续性味判断在这条直线方向上是否存在线段。具体算法步骤…如算法3.7所示。程序执行完后,在数组Temp_Point[n]中f杲存了所检测到的第H条线段的所有像素。通过这些像素.可以很容易得到该线段的两个端点以及其它参数。

:中

南京邮电人学硕十研究生学位论文

算法3.7第三章~种新的基丁.形状特征的商标图像分层检索算法Hough变换检测线段算法

1.对经过轮廓跟踪处理和多边形逼近处理后的商标图像中子对象,将其所有

目标像素点保存到一个数组Temp中,并设定阈值大小Threshold,即组成

线段的最小像素个数;

2.对像素点逐点进行Hough变换,得到其参数空间矩阵研,m】[曰朋】,其中

一4Height2+Width2≤r≤4Height2+Width2,050m5180。,Heigh,表示图像

的高度,Width表示图像的宽度:

3.找到参数空间矩阵H兀‰】【如】最大值,并记录原点到极值点所对应直线的

距离,葩盯以及角度巩。盯,若最大值小于阈值,则循环结束,执行步骤8;

否则执行步骤4;

4.对该阈值点及其邻域清零;

5.对所有像素点按rm=xsinOh州+ycosOh。,,计算得到‰的值,若rm=rb吲,

则将该点存放在另一数组Temp

6.以数组Temp

在线段的条件是:连续(邻接)的像素点的个数大于阂值。若存在线段,

则将这些线段上的像素点保存到另一个数组Temp_PDf挖,[行】中,其中,?表示

临时保存的第玎条线段上的像素点,注意在Temp

7.转到步骤3;

8.统计图像的线段条数以及它们的始末位置等属性。

3。3.6成对几何特征的提取

通过边缘检测、轮廓跟踪、多边形逼近和线段检测后,对Hough变换检测出的任意两条直线段通过求解直线交点就可以确定了两条直线段的交点坐标,从而为计算有向相对角和有向相对位置这对几何特征提供了前提条件。具体步骤嘲如算法3.8所示:

算法3-8成对儿何特征直方图表示轮廓特征的算法26

南京邮电人学硕十研究生学何论文第二章一种新的基丁.形状特祉的商标幽像分层检索算法

则转至步骤1,否则执行步骤5;

5.通过得到的有向相对角和有向相对位置,统计出成对几何特征直方图。

算法详细描述如下:

1.有向相对角(RelativeAngle)的测定

首先,经过Hough变换检测线段后,能够得到直线段的起止点坐标。其次,通过直线段的起止坐标来计算这条直线的向量坐标,并将其用向量表示,设坐标点为A(x,,Y,)和B(x2,弦),则面=(x:一五,Y:一Y1)。最后,对表达成向量形式的两条直线段利用公式3.5计算目标轮廓中直线段之问的相对角(RelativeAngle),即:

秒…。sl[冽AB.豺CD吲咖】

向相对角。

2.有向相对位置(RelativePosition)的测定(3.5)其中,而和面分别为两条直线段的向量表示。如果基线段面和线段历之间的央角的方向是顺时针,那么在目前面加上J下号,反之,就是在曰前面加上负号。这样就得到了有

首先,经过Hough变换检测线段后,能够得到直线段的起止点坐标;其次,通过直线段的起止点坐标,并采用公式3.6计算直线方程的系数。设直线段起止点坐标为(仉6)和(c,西,则该直线段的两点式方程为公式3.6所示:

(b-d)x+(c-a)y+(ad-bc)=0(3.6)

最后,利用公式3.7计算各条直线段之I旬的有向相对位置(RelativePosition),即:

既,耐2r1万,19∈(叫

2(3?7)D口^

其中,D口6为基线段的长度,D,6为基线段到与线段芒历交点的长度。

3.成对几何特征直方图的表示

在直方图描绘中,将有向相对角的参数范围【.兀硼等分为36份,将有向相对位置的参数范围(0,l】等分为12份。同时,为了方便描述直方图,将原来直方图矩阵中处于第f行第/列的元素转换到直方图数组中的第ixlen呵位置处,如图3.11所示。这样就将二维成对几何特征直方图转换为一维成对几何特征直方图,从而便于直方图的描绘,也提高了直方图相似性计算的速度。另外,对直方图的范围也统一量化为[O,255],这也是处于方便描绘的考虑,对整个直方图表达出来的统计效果不会产生不良的影响。

南京邮电人学硕士研究生学位论文第三章一种新的基丁.形状特征的商标图像分层检索算法

=36

图3一11二维成对儿何特征直方图转换为一维成对儿何特征直方图

3.3.7成对几何特征直方图的比较

设有两幅商标图像,口’和才扪,则一口’中一个子对象,(口’的轮廓与一6’中一个子对象,(6)的轮廓的相似性可以通过比较成对几何特征直方图之间的距离来度量。本文中采用运算复杂度较低的曼哈顿(Manhattan)算法来计算直方图距离,其算法原理如下:

假定两个子对象轮廓的成对几何特征直方图彳和B各有刀个归一化的直方图单元(彳f)和{Bf),则这两个直方图之间的距离d定义为公式3.8所示。

d=∑f彳,-B,I

l(3.8)

可以看出,d值越小则两个直方图之间的距离越近,表明两个子对象的轮廓特征越相似;反之,则表明两个子对象的轮廓特征越不相似。

3.3.8商标图像中子对象特征的融合

经过上述步骤,已经从两标图像中提取出若干子对象的成对几何特征。F面,主要说明如何通过子对象特征的融合计算出两幅商标图像的距离。孙兴华等【54】对商标图像检索中的子图像特征融合准则进行了研究,提出了加权最小平均值准则。本文将这种方法应用到商标图像子对象的特征融合中,具体算法描述如下:

设产’和一6’为两幅商标图像,分别进行子对象抽取,得到子对象序列to(a),f产’,……0叽l‘。’和to‘扪,t/‘扪,……tm㈨一I‘价,其中聊‘口’和脚‘∞分别为小口’和F∞中的子对象数目。对所有子对象提取成对几何特征直方图作为轮廓特征^则分别对应于产’和F∞的子对象特征序列为F佃k{刀…,.,f。la),..wf。m。a。)..}和F‘6’={刀们,彳‘¨,...,以2一l}。产’的第p个子对象知佃’与一∞的第q个子对象岛‘6’关于特征厂的特征距离可通过公式3.8计算出来,记为彩.g‘口’‘们,其中0≤p≤聊‘引.1且0≤g≤历‘扪.1。根据矗口(。)(6’计算产’与一6’的特征距离作为图像相似性度量∥)(扪,那么两个商标图像相似性度量函数可以表示为公式3.9[541:

孝‘口肋)-f(硪分们,..…d嘶o(aXI^lh)∥…,蜡。Xh-I')0,-..,。d扩(aXl.1h)∥一I)

78(3.9)

南京邮电人学硕十研究生学何论文一—丽购第p个子对象∥。’io≤≯翻‘引.1)而言‘,与F6’的每~个子对象都存在一个成对中所有特征距离中的最小值作为绉(口’的最佳特征距离,记为公式3.10【54】所示:第二章一种新的基丁.形状特征的商标图像分层检索算法几何特征直方图距离,构成一个特征距离集合D夕’={d船‘¨,d蜀m),...,d嬲黜一。)。取砩细

矽2。;鹳一,d∥(3?lo)

对于F口’而吉.贝。存在一个最佳特征距离集合6‘口)={孑0㈩9司…,...,。al∥to)1.1}。同理,对于∥而言也存在一个最佳特征距离集合西(6)一{玩们,司¨,...,础i..},其中毛6’=。;。ra引in。一.d嬲‘61(o匈嘲‘们-1)。取西‘口’与西㈣中最佳特征距离平均值之和作为一口’与,6’的图像相似性度量,其度量函数为公式3.11所示,称为最小平均准则【541。

f(aXb)-----‘m--l(a。蔷移-者善矽(3.11)

同时需要考虑各个子对象在反映商标图像内容方面具有不同的可信度。而子对象的可信度与其占有的实心面积成正比。所以,子对象可信度可以定义为子对象实心面积与全局图像实心面积的比率。根据子对象可信度对特征融合准则进行加权改进,可以突出可信度大的予对象而抑制可信度小的子对象。由于彩.口‘酞6、同时与∥。’和白‘6’直接关联,所以对彩,g佃№’所赋权值应该是绉‘口’和岛‘6’可信度坳‘。’和qq(b)的某种变换。对加权最小平均值准则来说,权值主要用于平均值计算,应该首先对权值进行归一化,鄢‘d’和印叮‘6’分别归一化为公式3.12[54】所示:

秽,:箬,或k共

‘J’”∑∥(3.12)∑77∥

显然有公式3.13t54】中列出的等式:

m《o)-I

∑秽)I

p=O

月,{“一1l

∑∥=1

q=O(3.13)

n∑脚阻∑间一7阳P瑶^=

所以,在加权最小平均值准则中可以取巧y’和域6’作为占夕’和西6’的权值,其相似性度量函数为公式3.14t54l所示:

29

南京邮电大学硕士研究生学位论文第三章种新的基于形状特征的商标图像分层检索算法

#。”)f∑秽’毋’+∑础”司”

F=0口-0(314)

将拿州”作为两幅商标图像间的距离,将得到待检索的样本图像与商标图像库中每一幅图像之间的距离排序,按照距离由小到大(相似程度由大到小)的顺序排列,取出前Ⅳ幅商标图像作为第一层的检索结果。在实验中,比较了Ⅳ取50、70、90、100、llO、120、130、150、200等几种情况下算法的平均检索回召率,实验表明,'v取120时.平均检索回召率达到9887%,大于120时检索回召率不会有明显的提高,而第二层检索的搜索范围将会显著增加,所以限定第一层检索算法返回前120幅商标图像。

3.4第二层检索:基于规则子块区域特征的检索

第一层检索过程中提取的子对象轮廓特征不能表达出商标图像的空fn]NNNNZ-n子对象内部的特征关系。针对这个问题,第二层检索将第一层检索的结果集合作为搜索范围,利用改进的同心圆分块法,计算出各个分块的面积特征,同时结台全局特征Hu不变矩,进行精确匹配。

3.4l非等距离的同心圆分块法

等距离的同心圆分块法(算法2-1)用同心圆将商标图像划分为多个规则子块.分别提取各个子块的面积特征作为特征向量。面积特征在一定程度上反映了图像的形状,属于图像的区域特征。该检索算法具有图像平移不变性、缩放不变性和旋转不变性,相对于利用商标图像的整体面积特征进行检索,提高了检索性能。但是该算法存在两个不足:1利用质心和最大半径计算出的目标像素的外接圆对图像内部像素点的改变比较敏感,

如果商标图像轮廓及整体形状基本不变,仅内部形状发上改变(如图3—12所示),由于人的视觉对图像边缘比图像内部敏感,很可能仍然认为两幅商标图像相似。但是图像质心位置随着像素点的改变而变动,这样就导致了两幅商标图像的外接圆不同,从而就会影响到子块面积特征。

⑦⑨图3-12质心位移对外接圆的影响

南京邮电人学硕十研究生学位论文第二章一种新的基丁.形状特征的商标幽像分层检索算法2.该算法中的参数JV决定着子块划分的精度,.Ⅳ越大精度越高,但是人,越大相应的计算

量也越大。用等距离同心圆划分商标图像会造成图像内部区域和边缘区域对检索精度的影响是一致的,但是图像边缘比图像内部对人的视觉的影响要大。为了提高边缘区域的特征表示精度需要提高参数Ⅳ,这样同时也提高内部区域的精度,会造成计算量也随着增加很多。

针对等距离的同心圆分块法(算法2.1)存在的不足,本文提出了一种改进的同心圆分块法,即在提取目标像素的最小外接圆的基础上,用一系列非等距离的同心圆环划分商标图像,使得图像内部区域的同心圆环分布较为稀疏,图像边缘区域的同心圆环分布较为稠密,如图3.13所示。这样的好处是区分了图像内部区域和边缘区域的精度,使得在图像边缘区域的精度提高的同时,计算量没有明显增加。

等踟离划分为疗2个同

等。离划分为盯-个Y

川心网一L’刚●●

??

编蕙I龄

÷涉蹩餮

图3.13非等距离的同心圆分块法

本文提出的改进算法的步骤如算法3-9所示:

算法3-9扑笛距离的同心圆分块法

算法具体描述为:

1.用最小外接圆法提取目标像素的外接圆,设最小外接圆的圆心为pOD,如),半径R,

南京邮电人学硕十研究生学位论文第三章一种新的基丁.形状特征的商标图像分层检索算法用z轴上的点Di,D2….,Do.,DI7,D2’,...乜:‘划分R,点Dl,D2….,乜。,D17,D:’….Do:’及nl、n2满足公式3.15中的条件:

p:f.(堡),1≤f铀,2-

Dj7:,.(生旦),ls/s"2(3.15)

堡>业

啊玎2n,

其中,以伍o,yo)为圆心、Dr为半径的圆是人为规定的商标图像内部区域和边缘区域的分界线,实验表明D7’一般取值为R的3/5。

2.以(xf,,yo)为圆心,分别以半径为DI,D2….,乜.,4’,D2’,...见,’画出一系列同心圆组。商标图像边缘区域比内部区域的同心圆环数目多,相应的表示精度就比内部区域的要高。

3.设圆环内商标图像的面积分别为s(nJ(2),...s(加,Ⅳ=gtI+I"12,其中图像的面积用图像的像素点来表示。按照公式3.16将s(f)进行归一化处理得到面积特征向量Ts(i)。

Ts(驴瓮,l姚Ⅳ

六={Ts(1),...Ts(N)}(3.16)其中%D为图像的总面积。这样就可以计算得出子块面积特征向量.办为公式3.17所示:(3.17)‘

为了验证改进的同心圆分块法(算法3.9)的性能,将其与未改进的同心圆分块法(算法2.1)进行比较实验。图3.14中,(1)是原商标图像,(2)为挤压50%后的图像,(3)为挤压一50%后的图像,(4)为旋转扭曲50%后的图像,(5)为旋转扭曲.50%后的图像,(6)为球面化50%后的图像,(7)为球面化100%后的图像,(8)为水波(水池波纹)15%后的图像,(9)为水波(围绕中心)15%后的图像,(10)J-,3水波(从中心向外)15%后的图像,(11)为波纹50%后的图像,(12)为波纹.50%后的图像,(13)为水平拉伸200%后的图像。

南京邮电大学硕十研究生学位论文第二章一种新的基丁形状特征的商标图像分层检索算法

阳I囝{圃{翅卜,}鄙i嗣!酗

11r

■_,1

(5)

T11-

闸嗣酮酗囹随

(8)

(9)

(10)

(11)

(12)

(13)

(1)(2)(3)(咀)(6)(7)

图3.14原商标图像经过)LfoJ形变斤产生的相似图像

图像(2)至(13)都是原商标图像(1)的相似图像,所以商标图像(1)与(2)至(13)图像之问的距离应该是越小越好。分别采用算法3-9和算法2一l计算(1)与(2)至(13)图像的距离,结果

如表3—1所示,其中D(i,/)表示图像f与图像/的距离。

表3.1

分别川算法2.1利算法3-9计算山的图像距离

\距离

算法\\

算法2.1算法3-9

D(1,2)D(1,3)D(1,4)D(1,5)D(1,6)D(1,7)

0.09730.0970

0.22250.2213

0.05860.0576

0.07580.0740

0.04970.0461

0.1147O.1100

\距离\

算法\

算法2.1算法3-9

D(1,8)

O.19900.200l

D(1,9)D(1,10)D(1,11)D(1,12)D(1,13)

0.05350.0523

0.05470.0505

0.03390.0338

0.06460.0554

0.30390.3251

分析实验结果可以看出,算法3-9计算出D(1,2)、D(1,3)、D(1,4)、o(1,5)、O(1,6)、

D(1,7)、D(1,9)、9(1,10)、9(1,11)、O(1,12)略有减小,于是在检索结果排序时,图像(2)、

(3)、(4)、(5)、(6)、(7)、(9)、(10)、(11)、(12)会比原来的排序位置靠自,j.,这样就增加了检索精度。表中黑体部分的数据表示使用算法2-1后O(1,9)小于O(1,10),而使用算法3-9后的O(1,10)小于O(1,9),说明算法3-9使得更为相似的图像之间的距离变小,从而将更为相似的图像排在检索结果的自订列。但是,也需要看到D(1,8)、D(1,13)这2个距离是增大的,这是因为图像(8)、(13)的变形比较大,算法3-9使它们与原商标图像之怕J的差别表现更为明显,所以相应的距离就会增大。

从实验结果可以看出,算法3-9在对相似图像的检索精度上比算法2.1略有提高,但是与算法2.1一样,算法3-9的局限性同样是没有考虑子块中像素是如何分布的,造成总体上不同的图像也可能得到相似的分块面积特征,因此该算法需要结合其他算法一起进行

检索。

31

南京邮电大学硕士研究生学位论文第三章~种新的基丁.形状特征的商标图像分层检索算法3.4.2相似性度量方法

另外需要提取商标图像的全局特征Hu不变矩。Hu不变矩对平移、缩放、旋转和镜像具有不变性,可以描述图像的全局形状特征。将Hu不变矩特征向量{妒,一.,妒,}和子块的面积特征向量厶相结合,能够描述商标图像的全局特征、局部特征和局部图像问的空间关系。

除了需要选择商标图像特征外,基于内容的商标图像检索的主要特点之一是待检索的样本图像与商标图像库中的图像之间的视觉相似性,而不是精确匹配。因此,相似性度量方法的选择也是非常关键的,选择合适的相似性度量方法将会影响商标图像检索系统的性能【561。

因为Hu不变矩^。和子块面积特征.厶都是表示成向量的形式,所以采用的相似性度量方法应是基于向量空间模型(vectorspacemodel),即将视觉特征看作是向量空间中的点,通过计算两个点之间的接近程度来衡量商标图像特征间的相似性。该类相似性度量方法主要有一阶距离、二阶距离(欧氏距离L2)、二次型距离和马氏距离(Mahalanobis),而一阶距离又主要包括普通一阶(£』)、直方图交运算(£Ⅳ,)。本文采用二阶距离(欧式距离)作为第二层相似性度量方法,分别计算两幅图像A、B之问的Hu不变矩距离DH。和子块面积特征向量距离DA,如公式3.18和3.19所示。DHu:厄再丽D爿=、/!主!_Z而,Ⅳ为子块的个数(3.18)

(3.19)

3.4.3综合特征

由于不同算法得到的形状特征的物理意义不同,其数值范围的差别较大,不同距离之间的可比性较差,因此在综合利用多种特征进行商标图像检索时,不能简单地用特征距离直接求和的方法来度量商标图像的相似性,需要先对各种特征向量进行归一化处理,保证不同的特征向量在加权中处于平等的地位,在进行检索时具有等同的作用。特征归一化的实质【56】是对待检索的样本图像与商标图像库中所有图像之间对应于不同特征的距离进行归一化,可使用高斯归一化算法。

设商标图像库中有N幅图像,现对Hu不变矩^。的距离DH。和子块面积特征向量厶的距离协进行归一化。以Hu不变矩的距离DH。为例,高斯归一化算法【561如算法3.10所示:

南京邮电入学硕士研究生学位论文第二章一种新的基丁.形状特征的商标幽像分层检索算法

算法3.10高斯¨1一化算法

算法步骤4中映射关系为公式3.20所示:

‰’={半0,d月.,<∥一3盯

,∥一30"≤比.,≤/.x+3仃(3.20)

1,dA?l>”+30

将样本图像Q与商标图像库中每幅图像的Hu不变矩的距离DH。和子块面积特征距离眈进行归一化,得到在检索中处于等同地位的各项距离%7和见’。综合两个特征的距离后,样本图像Q与商标图像库中的图像A之间的距离可表示为公式3.2l所示:

D(Q,A)=C01%’+哆见’,0≤co,≤1f4coI+(02=l(3.21)

实验表明,子块特征比全局特征能更好地描述商标图像的内容,所以令子块面积特征的权值纰比全局特征Hu不变矩的权值劬更大一些。将待检索的样本图像与商标图像库中每一幅图像之间的距离排序,按照距离由小到大(相似性由大到小)的顺序排列,取前21幅商标图像作为第二层检索的结果。

3.5本章小结

基于图像分割为连通区域的方法无法表达出商标图像的空间布局关系;基于图像划分为规则子块的方法则没有考虑到图像中各个组成部分的整体特征。针对这两种方法的不足,本章提出了基于子对象轮廓特征和规则子块区域特征的商标图像分层检索算法。

该算法分为两层检索:第一层检索是基于子对象轮廓特征的检索,利用成对几何特征直方图表示子对象的轮廓特征,在子对象特征融合时,将加权最小平均值准则应用到子对象特征的相似性计算中;第二层检索是基于规则子块区域特征的检索,采用改进后的同心圆分块法将商标图像划分为子块后提取面积特征,同时结合全局特征Hu不变矩,在第一层的检索结果的基础上进行进一步的检索。3S

南京邮电人学硕+研究生学位论文第四章实验设计与分析

第四章实验设计与分析

本章将基于子对象轮廓特征和规则子块区域特征的商标图像分层检索算法(算法3.1)与两种基于图像局部形状特征的商标图像检索算法(算法4.1和算法4.2)进行对比实验,并分析实验结果。

4.1对比算法介绍

在实验中,基于子对象轮廓特征和规则子块区域特征的商标图像分层检索算法(算法3.1)与另外两种基于图像局部形状特征的商标图像检索算法进行对比,这两种对比算法分别是:

1.基于规则子块区域特征和全局Hu不变矩的商标图像检索算法(算法4.1):该算法在

提取局部形状特征时,利用的是基于图像划分为规则子块的方法。该算法采用等距离同心圆分块法提取子块的面积特征,同时结合Hu不变矩进行多特征检索;

算法4.1基丁.规则子块区域特征和全局Hu不变矩的商标图像检索算法

1.选择一个商标图像库,对图像库中的每幅商标图像执行步骤2到3;

2.对商标图像进行预处理:

3.采用等距离同心圆分块法将图像划分为多个规则子块,并提取面积特征,

同时计算全局特征Hu不变矩,并将得到的特征值保存到特征索引文件中;

4.选择待检索的样本图像,执行步骤2到3;

5.对特征值进行归一化处理,并综合表示特征向量。计算样本图像与图像库

中每幅商标图像的距离,按照距离由小到大(相似性由大Nd,)的顺序排

列,取出前21幅商标图像作为最终的检索结果。

2.基于单元子图像区域特征的商标图像检索算法(算法4.2):该算法在提取局部形状特

征时,利用的是基于图像分割为连通区域的方法。该算法按照连通性将图像分割为予图像,提取每个子图像的Hu不变矩和离心率作为特征进行检索。

算法4-2基丁单元子图像区域特征的商标图像检索算法

1.选择一个商标图像库,对图像库中的每幅商标图像执行步骤2到3;

2.对商标图像进行预处理;

3.提取商标图像中的每个连通子图像,分别计算子图像的Hu不变矩和离心36

南京邮电人学硕十研究生学位论文第四章实验设计与分析

率,并将得到的特征值保存到特征索引文件中;

4.选择待检索的样本图像,执行步骤2到3;

5.对特征值进行归一化处理,并综合表示特征向量。

6.采用最小平均值准则(该准则不考虑子图像在反映图像内容上的可信度)

对子图像特征进行融合。计算待检索的样本图像与图像库中每幅商标图像

的距离,按照距离由小到大(相似性由大到小)的顺序排列,取出前21

幅商标图像作为最终的检索结果。

4.2性能评价方法

性能评价方法是CBIR系统的一个非常重要的研究内容,对CBIR系统的研究发展有很重要的指导和推动作用。目6订,图像检索性能的评价方法大致可以分为三类:第一类为用一些特征指标来度量;第二类为通过图表方式评价的方法;第三类为用户评价的方法。下面主要叙述本文中用到的几种性能评价方法。

4.2.1指标评价

1.检索精度和检索回召率。

Igbal和Aggarwa使用了检索精度(Precision)和检索回召率(Recall)束评价检索系统的性能。检索精度和检索回召率都是信息检索中标准的性能评价方法,能够很好地说明系统的性能。

假设在一次图像检索中,检索系统按照与待检索的样本图像的相似性以从大到小的顺序输出的结果图像数目为门,,结果图像中与待检索的样本图像相关的图像数为n肛,图像库中与待检索的样本图像相关的总图像数为玩。则检索精度定义为检索返回的相关图像数,?船与检索返回的所有图像数聆,的比率,也称为查准率,如公式4.1所示:

p:塑,pe[O,l】圮(4.1)

检索回召率定义为检索返回的相关图像数刀括与图像库中所有相关图像数‰的比率,也称为查全率,如公式4.2所示:

R=卫,

,zsR∈[0,l】(4.2)

由此可以看出,检索精度反映检索的准确性,而检索回召率则反映检索的全面性,因

南京邮电人学硕十研究生学位论文第四章实验设计与分析此可以用检索精度和检索回召率来评价系统的有效性。如果单独使用检索精度或检索回召率,那么所包含的信息都是不够的。因为如果给出的结果图像数越多,则系统的检索回召率越高,而系统的检索精度则呈下降趋势,类似的,也可以通过只给出少量的结果图像来获得较高的精度。因此检索精度和检索回召率需要同时使用,在给出检索精度时需要指出相应的检索回召率,在单独使用检索精度或检索回召率时需要指出检索返回的结果图像的个数【56】。

2.PVR指数【53】。

将检索回召率尺作为x轴,检索精度P作为Y轴,可以得到精度VS.回召率曲线f(x,J,),称为PVR曲线,如图4.1。该曲线与x轴、Y轴围成的面积为公式4.3所示:

S2j:/(‘y)dx(4.3)

E[0,1]可得EE[0,取.泐作为图像检索性能评价方法,称为PYR指数【53】,记为E。由P,R

所示。1】。E越大,图像检索性能越好,反之亦然。当庐l是图像检索性能达到最佳,如图4.1(b)【52l

gecallgecall

(a)PVR曲线

图4.1(b)最位检索性能PVR曲线精度VS.同召率曲线

4.2.2图表评价

常用的有精度VS.回召率曲线,其将检索回召率R作为x轴,检索精度P作为Y轴,可以得到精度VS.回召率曲线f(x,力,称为PVR曲线(如图4-1所示)。PVR曲线是信息检索中标准的评价方法,现在已经越来越多地被CBIR系统所采用【52】。

4.2.3用户评价

用户的评价是一种交互的方法,用户在图像检索后直接视觉判断本次检索是否成功,或者系统给出前后对比的两个或多个检索结果。让用户选择最优的。由于这样方法需要人工参与,比较消耗时间,因此很难大规模地进行。

南京邮电人学硕-}:/,Jf究乍学协皓文第四章实验吐汁!o分析4.3实验结果与性能分析

本文在包古800幅商标的图像库中进行实验,任选商标图像库中的10幅商柄i图像作为待榆索的样本图像进行咀F二类实验,这10幅样本图像如图4—2所示。

2平移、缩放、旋转和镜像不变性测试实验;几何形变测试实验:

3视觉一致性实验。

皇p豸田圆

妒;;{绸9②So6、o7go8No9Ho.10

蚓4-2待捡桊的样本商标幽像

4.3.1平移、缩放、旋转和镜像不变性测试实验

为了验证基于子对象轮廓特征和规则了块区域特征的商标图像分层检索算法对于平移、缩放、旋转和镜像变化的不变性,将图4-2中的10幅样本图像进行以下变换:I平移操作:将目标像素向右平移15%。以Nol样本刚像为例,平移操作后得到图4-3。

】芏|4-3No1样本幽像经过平移后的结果

2缩放操作:将整幅图像缩小30%、缩小60%、放大30%、放大60%。以N01杆本图

像为例,缩放操作后得到图4-4。

『鬲匿

幽4-4No≤皇l样本幽像经过缩放后的结果

南京邮电人学硕十研究生学忙论文第四章实螗设计与分析

5旋转操作:将整幅图像顺时针旋转45。、90。、135。、180。、225。、270。、31

。。以No1样本图像为例,旋转操作后得到图4-5。

潦胁么事惑圳』缈

蚓4-5

4NoI样本创像经过旋转后的结粜镜像操作:将整幅罔像水平镜像变换、垂直镜像变换、将放大了60%后的图像进行水

平镜像变换、将顺叫针旋转135。的罔像进行垂直镜像变换。以Nol样本图像为例,镜像操作后得到图a-6。

萝事}多陌

幽46No】样本蚓像绎过镜像后的掣,聚

0×I这样每幅样小图像将产生16幅新的网像,共产生l6幅图像,将这160幅图像加

入到原商标图像库巾形成新的图像库。其中对于每一幅样本图像有17幅相似图像(包括样本图像本身),即图像库中与样本图像相关的总图像数为l7幅。

样本图像与自身相似性为1,所以返回的第-rN商标图像即为样本图像本身。以Nol样本图像为例,圈4.7为分别采用算法4一l、算法4.2和算法3.1进行糯索的结果,其巾结果图像与样奉图像的相似性以从左到右、121£而F的顺序逐渐减小,圈4-7(11)为这二次检索相对应的PVR曲线。

南京邮电人学硕十研究生学位论文第四章实验殴刮与分析

.皂遑:、善蔓

芗7划7蚕协惑。莹二爹一蔓磷

、≮兹多章竹勿

a)革r规_^【|Jr块区域特祉和全局Hu不娈矩的商标幽像检索算法(算法4.

皇童巡每胁岁—誉

@④删多④皇@,

氟繁蜃多遑西蔓

(b)壁丁单元千幽像区域特征的商标图像检索算法(辫:法4-2

皇皇、参皇聿一刮一事弋.…7

≮么皇莨衄峙∥(c)基丁f对象轮廓特征和规圳子块区域特祉的商标蚓像分层检索掉法(算法3,I)

南京邮电人学硕士研究生学位论文第四章实验设计与分析

竹■U(d)二次检索结果的PVR曲线

图4.7儿何不变性实验的结果

从算法4.1的检索结果(如图4.7(a))可以看出,该算法检索出了与No.1相关的17幅图像,但是有一个图像没有被排在前端,这幅图像是原商标图像缩小60%后的图像,这是由于当缩小比例过大时,算法4.1提取的子块面积特征和Hu不变矩会受到一定的影响,造成该图像与样本图像之间的距离较大。而经过旋转操作后的图像都排在前端,也说明了子块面积特征和Hu不变矩具有很好的旋转不变性。

从算法4.2的检索结果(如图4.7(b))可以看出,该算法检索出了与No.1相关的16幅图像,但是只有7幅相关图像被排在前端。这是由于该样本图像只有一个连通区域,所以只能提取出一个连通子图像,这样该算法就相当于提取了全局Hu不变矩和离心率作为特征,而只依靠全局区域特征是很难准确地表达形状特征的,所以检索效果不是很理想。

从算法3.1的检索结果(如图4.7(c))可以看出,与样本图像相关的商标图像都被检索出来且排列在检索结果的前端,说明针对No.1样本图像,该检索算法对平移、缩放、旋转和镜像具有很好的不变性,同时由于提取了子对象的轮廓特征不会受到连通区域个数的影响,所以即使只有一个子对象,检索效果依然比较满意。

采用算法4.1、算法4.2和算法3.1分别对10幅样本图像进行检索的PVR指数绘制成表格,见表4.1。

42

南京邮电人学硕十研究生学位论文

表4.1

实验1:商标图像检索PVR指数(以%计)

第四章实验设计与分析

No.1图像No.2图像No.3图像No.4图像No.5图像No.6图像No.7图像No.8图像No.9图像No.10图像平均PVR指数

基于规则子块区域特

基于子对象轮廓特征和

基于单元子图像区域

征和全局Hu不变矩

规则子块区域特征的商

特征的商标图像检

的商标图像检索算法

索算法(算法4.2)

(算法4.1)

99.83%100%100%98.84%100%45.25%100%93.05%100%100%93.70%

70.49%

92.17%

标图像分层检索算法

(算法3.1)100%100%100%99.69%100%82.51%100%94.57%100%100%98.00%

92.0l%58.56%77.14%69.92%63.68%49.41%54.98%82.78%71.11%

从表4.1中可以看出,基于子对象轮廓特征和规则子块区域特征的商标图像分层检索

算法(算法3.1)总体上比两种对比算法(算法4.1和算法4.2)具有更好的平移、缩放、旋转和镜像不变性。其中对于No.6样本图像(微软商标),该算法的检索效果有了明显的提高,这是因为该算法抽取了商标图像的子对象,并在计算相似性时考虑到子对象在反映商标图像内容方面具有不同的可信度,使具有较小可信度的子对象对检索效果的影响较小,突出了可信度较大的子对象,所以检索效果比较好。

4.3.2几何形变测试实验

为了考察基于子对象轮廓特征和规则子块区域特征的商标图像分层检索算法对于几何形变图像的检索能力,仍以图4.2中10幅商标图像作为样本图像进行实验。对样本图像

所作的变形分别为挤压50%、挤压.50%、旋转扭曲50%、旋转扭曲.50%、球面化50%、

43

南京邮电人学硕十研究生学位论文第四章实验设计与分析

5%球面化100%、水波(水池波纹)15%、水波(田绕中心)15%、水波(从中心向外)1

波纹50%、波纹.50%和水平拉仲200%,图4-8给出了这12种变形的示意图。

原幽像

鬻鬻

挤压50%篙,鬻蒸翟】I!焉2挤压-50%3旋转_}lf曲50%4旋转扣曲-50%5球面化50%6球面化1{100/o豢爨繁

J鳘|4-8麓豢舅!{翻篓豢警≮麓鬻7水池波纹15%8隔绕中心水波15%9中心向外水波15%10波纹50%Il波纹.50%12水平拉伸200%儿fa『形变示意幽

检索实验中用到的图像库仍为431节的商标图像库。通过几何形变,每幅样本图像将产生12幅新的图像.共产生10x12幅图像,将这120幅图像加入到原商标图像库中形成新的图像库。其中对于每一幅样本图像有13幅相似的图像(包括样本图像本身),即商标图像库中与样本图像相关的总图像数为13幅。以No1样本图像为例,进行图4-8所示的几何形变后得到图4-9所示。

.蔓~蔓,、蔓。遣、毁皇

蓬遵.《,芝遣遣

酬4-9NoI样本削像经过儿何形变后的结果

图4-10为分别采用算法4-1、算法4-2和算法3.I进行检索的结果,图4-10(d)为这三次检索相对应的PVR曲线。

南京邮电人学硕十研究生学侍论文第四章实验设计与分析

遣遣遣莲遂多造

皇超何钐矿簖簖

9,从叱遑.、又童妒

(a)基丁规m0子块医域特祉和全局Hu不变矩的商标凹像检索算法(捧}圭4-

皇皇③⑦⑨⑦皇

楚⑧增多造⑨爸

oo,-皇m益卿肜鸦

(b)基丁单元于蝌像犀域特征的商标幽像检索掉}圭(掉法4-2

皇皇皇簧、堑皇皇

皇趋式缬峙皇∥

亳皇簖肜昕膨-睾一(c)基于子对象轮廓特征和舰tl!|J于抉医域特征的商标|璺}像分层检索算法(算法3.I)

南京邮电人学硕七研究生学位论文第四章实验殴计与分析

(d)三次检索结果的PVR曲线

图4.10几何形变实验的结果

从图4.10中可以看出,用基于规则子块区域特征和全局Hu不变矩的商标图像检索算法(算法4.1)的结果是检索出10幅相关图像,其中只有5幅图像排列在检索结果的前端。基于单元子图像区域特征的商标图像检索算法(算法4.2)的结果依然不理想,检索出7114,N关图像,其中只有2幅图像排列在检索结果的前端。而基于子对象轮廓特征和规则子块区域特征的商标图像分层检索算法(算法3一1)检索出全部13张相关图像,并且有9幅图像排列在检索结果的前端。

采用算法4.1、算法4.2和算法3.1分别对10幅样本图像进行检索的PVR指数绘制成表格,见表4.2。

南京邮电人学硕士研究生学位论文

表4.2

实验2:商标图像检索PVR指数(以%计)

第四章实验设计与分析

No.1图像No.2图像No.3图像No.4图像No.5图像No.6图像No.7图像No.8图像No.9图像No.10图像平均PVR指数

基于规则子块区域特

基于单元子图像区域

征和全局Hu不变矩

特征的商标图像检

的商标图像检索算法

索算法(算法4.2)

(算法4.1)

79.24%91.23%97.94%92.52%83.39%37.47%92.69%96.78%95.55%94.59%86.14%

26.03%71.74%56.95%29.66%37.22%58.08%42.06%22.56%35.83%59.87%44.00%

基于子对象轮廓特征和规则子块区域特征的商标图像分层检索算法

(算法3.1)90.34%94.12%99.73%94.10%92.03%88.97%96.73%84.11%99.28%96.32%93.57%

通过表4.2可以看出,与算法4.1和算法4.2相比,本文提出的算法3.1对于几何形变具有更好的不变性。但是需要指出的是对于个别商标图像(如No.8样本图像),该算法比算法4.1的检索效果要差,这是因为旋转扭曲变换和水池波纹变换使得No.8样本图像中的“圆环”发生较大变形,造成提取的轮廓特征有较大不同。

4.3.3视觉一致性实验

接下来对基于子对象轮廓特征和规则子块区域特征的商标图像分层检索算法的视觉一致性进行实验,视觉一致性是指系统检索出的图像是否符合人的视觉感受,即在人看来检索结果中的图像是否与样本图像相似,它也是衡量一个商标图像检索算法性能的重要因素之一。在包含800幅商标图像的图像库中,选择一个商标图像作为待检索的样本图像(如

图4.11),返回前21幅相似性最大的商标图像。

南京邮电大学硕十研究生学位论文第四章实验设计与分析

削4-tI视觉一致性实验中的样本图像

图4—12为分别采用算法4-1、算法4-2和算法3.1进行检索的结果.返回的第一幅图像为该样本图像本身。

办iAI●R’■、■

瞧渺、⑩一滕一■G渤熊巷.一蒙游.◎哆叁。够一辈影@国.⑨.渺一够叁一酶S憝毖~掣,鼢+拦勿。恩纛◎渺,⑥Q.笤~照脊量喜一磁

(b)基丁单元子幽像区域特征的商标崮像检索算法(算法4-2

南京邮电人学硕十研究生学何论立第四章宴验设计与分析

瞧霎霈蕊⑩鱼善i鬈,

o鼋⑧霪紫坠

帮渤j磁二⑨j桊

(c)基卜f对苏轮廓特征和规则于块K域特祉的商标削像分层检索算法(算法3.1)

幽4-12视觉一致性实般的结果

本次实验中选择的样本商标图像较为复杂.由多个连通部分组成。由图4—12可以看出,本文提出的算法3.1与算法4.1和算法4.2相比,榆索出的商标图像在视觉上和样本图像更加相似。这是因为改算法从商标图像中抽取出全部于对象,并计算这些子对象的成对几何特征直与图,这样可以很好地表示各个子对象的轮廓特征。虽然基于单元子图像区域特征的检索算法(算法4-2)也是根据连通区域进行分割,1日是实验结果表明相对于轮廓特征,连通子图像的区域特征1i能很好地表示商标图像形状特征,另外算法4.2也没有利用商标图像的整体空削关系。而本文提出的算法3.1通过第二层的检索进一步确定各个子对象之间的空可关系以及子对象内部的特征,从而取得了较好的视觉一致性。当然,检索结果中也存在个别与样本图像不相似的图像,这是因为图像的形状描述是个非常复杂的问题,至今还没有找到形状的确切数学定义使之与人的视觉相一致。

4.34实验结果分析

综合上述实验数据,对检索结果的分析如下:

l基于规则子块区域特征和全局Hu不变矩的商标图像检索算法(算法4-1):由于采用

等距离同心圃分块方法,所以对平移、缩放、旋转和镜像具有较好的不变性,但是该算法提取的全局特征和局部特征都是区域特征,而区域特征对图像内部的变化比较敏感,当对商标图像进行的几何形变程度较大时.这种算法就无法达到预期效果。另外,当检索较为复杂的商标图像时,子块面积特征和Hu不变矩已不足够描述商标图像的形状特征。

2基于单元子图像区域特征的商标图像检索算法(算法4-2):仅依靠连通子图像的区域

特征不能反应出整幅商标图像的空刮相局关系,而子对象的Hu不变矩和离心率特征会

49

南京邮电人学硕十研究生学位论文第四章实验设计与分析

受到缩放和几何形变的影响,尤其是在几何形变时,子对象的这两个特征变化比较大。另外,当商标图像中只有一个连通区域时,这种算法提取的特征就退化为全局区域特征。

3.基于子对象轮廓特征和规则子块区域特征的商标图像分层检索算法(算法3.1):第一

层检索提取了商标图像中子对象的轮廓特征,这样可以表示图像中若干组成部分的轮廓特性,实验表明,即使图像中只有一个子对象,提取的轮廓特征比全局区域特征更能反映形状的特征。第二层检索中提取了规则子块的区域特征,可以表示商标图像的空间分布特征和子对象内部的特征。从实验结果表明,该算法对平移、缩放、旋转和镜像具有很好的不变性,而且对图像的几何形变不敏感,检索出的图像具有较好的视觉一致性。

4.算法3.1虽然在检索效果上明显优于算法4.1和算法4.2,但其时间复杂度较高,这是

由于该算法在第一层检索中,需要计算轮廓中每两条线段之间的有向相对角和有向相对距离,从而造成时间复杂度较高。

4.4本章小结

在本章中,将本文提出的基于子对象轮廓特征和规则子块区域特征的商标图像分层检索算法(算法3.1)与基于规则子块区域特征和全局Hu不变矩的商标图像检索算法(算法4.1)、基于单元子图像区域特征的商标图像检索算法(算法4.2)进行了对比实验,主要做了三方面的实验:(1)平移、缩放、旋转和镜像不变性测试实验,(2)几何形变测试实验;(3)视觉一致性实验,并分别采用了PVR曲线、PVR指数和用户参与评价的评价方法对算法的性能进行了衡量,最后分析了实验结果。

南京邮电人学硕士研究生学位论文第五章总结与展望

第五章总结与展望

商标代表着商品的质量和生产厂家的信誉,一个厂家或公司的商标是其重要的产权之一,在市场经济中起着重要的作用。随着市场经济的发展,注册商标的数目不断增加,需要建立~种准确、高效的商标图像自动检索系统,因此基于内容的图像检索技术在商标检索领域得到了广泛的应用。

5.1总结

基于内容的图像检索是一个综合了数学、电子学、计算机科学、人工智能、模式识别等学科的研究领域,是一个十分广阔而重要的应用领域。其主要思想是根据图像视觉内容的特征如颜色、纹理、形状和空间分布等信息,提取图像的特征向量作为索引进行相似性检索。商标是商品的一个重要标识,在市场经济中起着重要的作用,为了更好地实现商标图像自动检索,基于内容的图像检索技术在商标图像检索领域得到了广泛的应用。本文从基于内容的图像检索方法出发,深入研究了基于形状特征的商标图像检索算法。

本文提出了基于子对象轮廓特征和规则子块区域特征的商标图像分层检索算法。该算法结合了图像分割为连通子对象的方法和图像划分为规则子块的方法,进行分层检索。第一层检索是基于子对象轮廓特征的检索,利用成对几何特征直方图来表示子对象的轮廓特征,在子对象特征融合时,将加权最小平均值准则应用到子对象特征的相似性计算中;第二层检索是基于规则子块区域特征的检索,在第一层检索结果的基础上,用改进后的同心圆分块法提取子块面积特征,同时结合全局Hu不变矩进行检索。该算法有效地结合了全局特征与局部特征、区域特征与轮廓特征、子对象分割法和图像分块法。从实验结果表明,本文算法对平移、缩放、旋转和镜像具有很好的不变性,而且对图像的几何形变不敏感,检索出的图像具有较好的视觉一致性。

另外,针对目前图像检索预处理阶段造成的图像形状失真,本文提出了一种无畸变的预处理方法,提高了基于形状特征的商标图像检索的准确性;针对等距离同心圆分块法存在的不足之处,提出了改进的同心圆分块法,加强了商标图像中边缘区域的特征表示精度。5.2展望

经过多年的研究,基于形状特征的商标图像检索已经取得了很大的进展,但是毕竟还5I

南京邮电人学硕十研究生学何论文第五章总坌占与展望是处于研究的阶段。现有的基于形状特征的商标图像检索方法无论是在检索的要求方面,还是在检索的精度方面,都存在一定的缺陷。本文提出的基于子对象轮廓特征和规则子块区域特征的商标图像分层检索算法可以从以下几个方面继续进行研究工作:

1.本文中的第二层检索中采用较为简单的同心圆分块法,这是出于对检索系统速度的考

虑,以后可以采用性能更好的分块方法,进一步提高检索系统的检索精度。

2.目前,从商标图像中提取多种形状特征进行检索是一个研究方向。本文提出的算法结

合了成对几何特征、面积特征和Hu不变矩三种形状特征,进行商标图像检索。以后可以进一步研究如何将商标图像中的多特征有效地组织在一起,提高商标检索的性能。3.可以增加人机交互模块,因为人在基于内容的图像检索系统中扮演着重要的角色。这

一研究趋势已经反映在CBIR的发展过程中。因此,要想把商标图像检索系统应用于实际,需要通过人和计算机的共同协作,建立人机交互系统,实现更好的检索效果。

南京邮电大学硕十研究生学位论文致谢

致谢

在此论文完成之际,我要衷心地感谢我的导师王绍棣教授。在攻读硕士学位和撰写毕业论文期阳J,我始终得到王老师的悉心指导。王老师深厚的理论水平、严谨的治学态度和诲人不倦的精神使我在学习上受益匪浅,王老师平易近人的性格和乐观的生活精神也深深地感染着我,在读研期问,我时刻都能感受到王老师对我们无微不至的关心与支持,这些都将对我以后的工作和学习产生深远的影响。

感谢张卫丰老师,感访}张老师在百忙之中审阅了本论文的初稿,并提出了宝贵的建议。感谢我的家人,感谢他们对我的学业的支持和关心,今天所取得的一切和他们是分不丌的,祝他们身体健康。

感谢908实验室的所有同门,感谢他们在工作和学习上给予的无私关怀和帮助。衷心感谢各位专家在百忙之中来评审我的论文,并给出:盅贵的意见和建议。

南京邮电人学硕十研究生学位论文

参考文献

参考文献

…I

RDatta,DJoshi,JLieta1.ImageRetrieval:Ideas,Influences,andTrendsoftheNew

Age【J】.ACM

ComputerSurveys.April2008.V01.40.No.2.Article5.

【2】LEW.M,SEBE.N,DJERABA.C

and

et

a1.Content-basedmultimediainformationretrieval:State?of-the—art

MultimediaComputing,Communications,andApplications

challenges【J】.ACM

Transactionson

(TOMCCAP).Feb2006,V01.2(I),PP.1-19.【3】Sagarmayf41

Deb,YanchunZhang.AnOverview

ofContent-basedImageRetrievalTechniques[C].

AdvancedInformationNetworkingandApplications.2004,V01.I,PP.59-64.

SMEULDERS.A.W,WORRING.M,SANTINl.S

early

et

a1.Content.basedimageretrieval

attheendofthe

years[J】.IEEE

Transactions

on

PatternAnalysisandMachineIntelligence.Dec2000,Vol。22(12),

PP.1349—1380.

【5】RU!.Y,HUANG.T,CHANG.S.F.Image

issues[J】.Visual

retrieval:currenttechniques,promisingdirectionsandopen

Common.ImageRepresent.i999,V01.1

0(1),PP.39--62.

processing

and

the

fine

【6】MAITRE.H,SCHMITT.F,LAHANIER.C.15

ProceedingsoftheIEEEIntemationalConference

yearsofimage

on

arts[C】.

ImageProcessing(ICJP).2001,V01.I,PP.557-56i.

forcontent—basedmanipulationof

【7】PENTLAND.A,PICARD.R,SCLAROFF.S.Photobook:Tools

image

databases【J】.June1996,IntemationaiJournal

ofComputerVision,I8(3):233—254.

on

【8】Eakins

17—28.

J.P.,ShieldsK.,BoardmanJ.ARTISAN—ashaperetrievalsystembased

boundaryfamily

indexing[J].Proc.SPIE:Storage[9】9

andRetrievalforStillImageandVideoDatabases.1996,V01.2670,PP.

C.P.Lam,J.K.Wu,B.Mehtre.STAR?A

andAsianConf.OnComputerVision.1

systemforTrademarkarchivaland

4-217.

retrieval【C】.Proceeding

995(3),PP.21

【10】BARTOLINI.1,CIACCIA.P,PATELLA.M.Warp:Accurate

descriptors

and

time

Intelligence.Jan.2005,V01.27,no.I,PP.142一I47.

retrievalofshapesusingphaseofFourier

on

warpingdistance【J】.IEEETransactions

Pattern

Analysis

andMachine

【I1】BELONGIE.S,MALIK.J,PUZICHA.J.Shape

IEEETransactions

on

matchingandobject

recognitionusingshape

contexts【J】

PaRernAnalysisandMachineIntelligence.2002,V01.24,no.4,PP.509—522.

byshapesimilaritywithperceptualdistanceand

[12】BERRETTI.S,DEL.BIMBO.A,PALA.P.Retrieval

effective

indexing[M】.IEEE

Transaction.Dec

2000,V01.2(4),PP.225—239.

andeventdetectionforsemanticannotation

on

[13】BERTINI.M,CUCCHlARA.R,DELBIMBOeta1.Object

and

transcoding[C】.Proceeding

oftheIEEEInternationalConference

MultimediaandExpo(ICME).

2003.V01.1.PP.42I?424.

[14】CHALECHALE.A,NAGHDY.G,MERTlNS.A.Sketch—based

partitioning.Systems,Manand

imagematchingusingangular

1.ofthe

Cybernetics[M】,IEEE

frameworkPaaem

for

Transaction.Jan

image

2005,V01.35(I),PP.28—4retrieval[C】.Proceeding

[15】DAGLI.C,HUANG.T.S.A

International1EEEConference

on

grid?based

Recognition(ICPR).Aug.2004,V01.2,PP.1021-1024.

recognitionbyunsupervisedscale?invariant

ComputerVisionandPattern

【16】FERGUS.R,PERONA.P,ZISSERMAN.A.Objectclass

learning【C】.Proceeding

oftheIEEEConference

oll

Recognition(CVPR).

June2003,V01.2,PP.II264.II271.

【I7】GUYOU.I,ELISSEEFF.A.An【18】S.X.Liao,M.Pawlak.On

introductiontovariableandfeature

selection【J】.TheJournal

Trans.On

ofMachine

LearningResearch.March2003,V01.3,PP.1157—1182.

ImageAnalysisby

Moments[M】.IEEE

PaaemAnalysisand

MachineIntelligence,1996,18(3):254.266

南京邮电大学硕士研究生学位论文

[19】C.H.Teh

andR.H.Chin.OnImageAnalysisbytheMethodof

参考文献

Moments【MI.IEEETrans.PAMI,1998,

framework【J】.

10(4):496?513

【20】JINE.F,LI.M,ZHANG.H.J

IEEETransactions

on

et

a1.Anefficientandeffectiveregion—basedimageretrieval

ImagesProcessing.2004,V01.I3(5),PP.699—710.

betweenRegionandContour

【21】Bingcheng

Li,SongDeMa.OnTheRelation

Representation【J】.Pattem

image[J】.Journal

Recognition,I994,V01.1,PP.325—355.

【22】L.Guo,Y.Y.Huang,J.Y.Yang.Using【23】ZhilingHong,Qingshan

Features【C】.Advanced[24】C.S.Maytham

sub-blockimagefeaturestoretrievetrademark

ofComputer—AidedDesignandComputerGraphics.2004,V01.16(17),PP.968—972.

Jiang.HybridContent—basedTrademarkRetrievalusingRegionandContourInformationNetworkingandApplications

Workshops(AINAW),International

techniques[J】.

Conference.2008,PP.1163—1168.

Safar.Anexperimentalstudyofalternativeshape—basedimageretrieval

MultimedToolsAppl.2007,V01.32,PP.29-48

【25】Chuan?ChengWang,Ling—Hwei

【C】.IEEE

【26】Chuan—ChengWang,Ling—Hwei

Statistic【J】.International【27】Wing【28】Jau

Chen.Trademarkretrievalusingcontour-skeletonstrokeclassification.

012

IntemationalConference

MultimediaandExpo(ICME2002)【CI.2002.v01.2,PP.5I7-520.

ColorTrademark

Retrieval

SystemUsing

Hit

Chen.Content—based

JournalofPatternRecognitionandArtificialIntelligence.2002(5),PP.603—61.

HoLeung,TsuhanChen.CMUTrademarkRetrieval

System【J】-2002,l0.http://amp.ece.cmu.

retrieval【J】.Image

and

edu/Publication/Howard/whitepaper—TrademarkRetrieval—howard.Pdf(AccessedNov,2008)

LingShih,LingHweiChen.Anewsystemfortrademarksegmentationand

VisionComputing.2001(19),PP.101i-1018.

【29】G.Cortelazzoetal,G.A.Mian,G.Vezzi

techniques【J】.Pattern

Recognition.I

eta1.Trademark

ShapesDescriptionbystringmatching

994,V01.27(8),PP.1

005-10i8.

【30】W.Y.Kim,Y.S.Kim.A【31】T.Kato.Database

1992:112.123.

regionbasedshapedescriptorusingZemike

moments【M】.Signal

Process:

ImageCommun.2000,Vol16,PP.95-102.

ArchitectureforContent—basedImage21

System(Proc.SPIE【32】Alwis

85).A.A.Jambardino

and

Retrieval[M】.ImageStorageandRetrieval

W.R.Niblack,eds.SPIEPress.Bellingham.Wash.

Images[D】.UniversityofYork,February

2000.

T.P.G.L.S.Content—BasedRetrievalofTrademark

【33】A.K.Jain,A.Vailaya.Ashape?based

Recognition.1

retrieval:Acasestudywithtrademarkimagedatabase[M】.PatlernImages【M】.IEEE

Letters.1997,

998(3I),PP.I

369-1390.

retrieval

【34】J.R.Eakins,J.M.Boardman,M.E.Graham.Similarity

Multimedia,1998。PP.53-63.

ofTrademark

【35】Peng,Chen.Trademark

V01.18,PP.791-803.

shaperecognitionusingclosedcontours【J】.Pattern

Recognition

[36】OSSAMA【37】Bei-ji

E1BADAWY,MOHAMEDKAMEL.Shape?BasedImageRetrievalAppliedtoTrademark

JournalofImageandGraphics.2002,V01.2,PP.1?l9.LingZhang.ANew

Algorithm

forTrademarkImageRetrieval

Images【J】.International

Zou,Yi

Sub?blockofPolar

Yao,and

Based

oil

Coordinates[J】.InternationalFederationforInformationProcessing.2007,PP.9I-97.

【38】P.N.Suganthan.ShapeIndexingUsingSelf-OrganizingMaps【J】.IEEE

NETWORKS.2002,V01.13,PP.835—840.【39】D.F.Shen,L.Jin,H.T.Chang,et

InternationalConference

on

TRANSACTIONONNEURAL

a1.Trademarkretrievalbased

on

blockfeatureindex

code【C】.IEEEtechniques[M】.

ImageProcessing.2005,V01.3,PP.77?80.

[40】C.Shahabi,M.Safar.An【4I】M.K.Hu.Visual

IT一8.PP.179一187.

experimentalstudyofalternativeshape—basedimageretrieval

MultimediaToolsandApplications,2007.V01.32,PP.29—48.

PatternRecognitionbyMoment

Invariants【M】,IRETrans.InfoTheory.1962,V01.

南京邮电人学硕十研究生学仲论文

【42】BenoitHuet,EdwinR.Hancock.RelationalHistogramsforShape参考文献Indexing[M】.ComputerVision,l998.

SixthInternationalConference.1998,PP.563—569.

[43】A.Evans,N.Thacker,J.Mayhew.The

【J】,BMVC93.Sept1993,PP.429?438.useofgeometrichistogramsformodel—basedobjectrecognition

【44】E.C.DiMauro,T.F.Cootes,C.J.Taylor

Histograms[C】.Proc.Seventh

Histograms[J】.Imageeta1.ActiveShapeModelSearchUsingPair—wiseGeometricBritishMachineVisionConf.Sept.1996,V01.1,PP.353?362.theCompletenessPropertiesofPair-wiseGeometric【45】N.A.Thacker,P.A.。Riocreux,R.B.Yates.Assessing

【46】A.C.Evans,N.A.Thacker,J.W.E.Mayhew.The

Recognition【C】.Proc.Fourth

Histograms【C】.Proc.Seventh

[48】David

【49】BilldigitizedlineitsandVisionComputing.Junel995,V01.13,PP.423?429.UseofGeometricHistogramsforModel—BasedObjectBritishMachineVisionConf.Sept.1993,PP.429—438.et[47】E.C.DiMauro,T.F.Cootes,C.J.Taylora1.ActiveShapeModelSearchUsingPair—wiseGeometricBritishMachineVisionConf.Sept.1996,v01.1,PP.353-362.forthereductionofthenumberofpointsrequiredtoDouglas,ThomasReucher.Algorithmsaorrepresentcaricature【J】.TheCanadianCartographer.1973,V01.10(2),PP.1l2-l22.Green.CannyEdgeDetectionTutorial.http://www.pages.drexel.edu/-we922/cantut.html.2002

【50】孙兴华.基丁内容的图像检索研究[博十学位论文】.南京理I:人学。南京,2001.

【5l】黄元元.基下视觉特征的图像检索技术研究【博十学位论文】.南京理j:人学.南京,2003.

[52】郭丽.基于内容的商标幽像检索研究[博十学位论文】.南京理I:人学.南京,2003.

【53】孙兴华,杨静宁等.基丁.子图像多特征组合的商标图像检索[J】.模式识别与人l:智能,2002,

15(1):14-20

【54】孙兴华,郭丽,王止群等.商标图像检索中子图像特征融合准则研究【J】.南京理I:人学学报[J】.

2002,V01.26(5).

【55】郭丽,黄元元,孙兴华等.基于方向特征的二值商标图像检索方法【J】.计算机戍川.2003,V01.23(7).[56】张玲.商标图像检索研究与系统实现【硕十学位论文】.湖南人学.长沙,2006.

[57】中华人比共利国商标法实施条例.中华人【心共和国国家知识产权局,

http://www.sipo.gov.cn/sipo/flfg/sb/fljxzfg/200703/t2007032914803I.htm,2007

【58】曹清华,谭汉松.基丁.矩特征和面积特征的二值图像检索方法[J】.企业技术开发.2007,V01.26(6).

【59】马玉国,武栓虎等.基于多特征提取的商标图像检索【J】.计算机J:程与应川.2008,V01.44(18),

pp.172—174.

【60】陈世鸿,.千.轩.商标数据库的存储模式及检索算法研究[J】.武汉人学学报(理学版),Feb

2(1),PP.63—66.2003,V01.

【61】吴明珠.利用成对几何直方图改进基于轮廓的图像检索【J】.多媒体技术及其麻川.2007,

ppl140-1141.

【62】严芬,李才伟.一种白适廊的商标图像分层检索算法[C】.第十四届全国图像图形学学术会议.2008.

【63】谢吕平,孙劲光,崔彩峰.一种基丁.轮廓的图像检索算法研究【J].。j。波人学学报.2007.V01.20.(4),

PP.438-440.

【64】何尔健等.数字图像处理[M】.硝安电子科技人学出版社.2005

【65】黄昆,赖茂生.商标图像检索技术述评【J】.信息检索技术.2004,V01.4,PP.32.36.56

南京邮电人学硕+研究生学位论文作者在硕+研究生期间发表论文情况

作者在硕士研究生期间发表论文情况

《基于OpenCV的数字图像处理技术》,第一作者,全国计算机新科技与计算机教育论文集,2008.7

基于形状特征的商标图像检索研究

基于形状特征的商标图像检索研究

作者:

学位授予单位:姜婷南京邮电大学

相似文献(10条)

1.期刊论文 黄崑.赖茂生 商标图像检索技术述评 -现代图书情报技术2004,""(4)

对商标图像检索的三种技术(类目检索、文本检索、基于内容检索)加以介绍,并重点阐述采用基于内容技术实现对纯图像、图形商标检索的原理和主要方法,最后分析归纳了实践应用中检索商标图像的障碍及有待解决的问题.

2.学位论文 孙强强 基于内容的二值商标图像检索研究 2008

多媒体技术的发展和视觉信息的飞速膨胀迫切需要对视觉信息资源的有效管理和检索手段。由此,基于内容的图像检索技术得到了越来越多的重视,成为了多媒体信息检索和图像处理领域中的重要研究方向。

基于内容的图像检索,就是根据描述图像内容的特征矢量进行相似性检索,其中图像内容的提取可以是通用的,也可以是基于特定领域的。随着市场经济的发展,商标在社会生活中扮演着越来越重要的角色,而基于内容的图像检索技术在商标检索领域得到了非常广泛的应用。本文对基于内容图像检索技术做了广泛和深入的研究,介绍了其研究现状和关键技术,讨论了其技术瓶颈和发展趋势;分析了基于内容图像检索技术在商标图像检索领域里的应用需求,主要提出了三种新的商标图像检索方法,实验证明这些方法具有良好的旋转、平移、尺度不变性,得到的检索结果能够很好地满足人的视觉感受。

首先,本文提出了基于距离分布信息熵的商标图像检索方法。采用基于目标像素外接圆的方法提取图像目标区域,然后采用同心圆的方法对目标区域进行划分,得到一系列子图像并提取其信息熵,最后对距离分布信息熵进行归一化。其次,本文提出了基于归一化单元转动惯量特征的商标图像检索方法。将商标图像划分为若干个单元子图像,然后分别提取各个单元子图像的归一化转动惯量不变特征。最后,本文提出了基于区域方向信息熵的商标图像检索方法。根据图像的形状主方向对图像进行旋转,并对旋转后的图像提取目标区域,将图像的目标区域沿圆周方向划分为若干个子区域并统计各个子区域的信息熵。实验表明,基于距离分布信息熵的商标图像检索方法优于基于距离分布直方图和基于单元信息熵的检索方法,基于归一化单元转动惯量特征的商标图像检索方法和基于区域方向信息熵的商标图像检索方法取得了令人满意的效果。

对于基于内容的图像检索,目前还不存在一个完美的特征能够使得检索结果符合所有人的主观感受和所有应用的实际需求,必须融合多个特征进行检索,并通过人机交互的方式使得检索结果尽可能地满足人的主观需求。文所提的三种商标图像检索方法,在基于视觉一致性的评价下很难分出优劣,其检索结果的风格各不相同,可以在基于多特征融合的检索系统中作为提供给用户的一种有效选择。

3.期刊论文 王振海.Wang Zhenhai 基于NMI不变特征的二值商标图像检索方法研究 -微计算机信息2006,22(19) 商标图像的检索在图像库系统管理和应用中得到了越来越多的重视.文中针对二值商标图像,提出一种基于NMI特征的商标图像检索方法.其特点是计算简单,精确度高,具有抗几何畸变性,对滤波、平滑、压缩等图像操作有一定的鲁棒性.试验结果表明,该方法具有一定实用价值,可用于二值商标图像检索.

4.期刊论文 王振海.Wang Zhenhai 基于NMI不变特征的二值商标图像检索方法研究 -微型电脑应用2005,21(11) 商标图像的检索在图像库系统管理和应用中得到了越来越多的重视.文中针对二值商标图像,提出一种基于NMI特征的商标图像检索方法.其特点是计算简单,精确度高,具有抗几何畸变性,对滤波、平滑、压缩等图像操作有一定的鲁棒性.试验结果表明,该方法具有一定实用价值,可用于二值商标图像检索.

5.期刊论文 王振海.WANG Zhen-hai 基于NMI不变特征的二值商标图像检索方法研究 -临沂师范学院学报2005,27(3)

商标图像的检索在图像库系统管理和应用中得到了越来越多的重视.文中针对二值商标图像,提出一种基于NMI特征的商标图像检索方法.其特点是计算简单,精确度高,具有抗几何畸变性,对滤波、平滑、压缩等图像操作有一定的鲁棒性.试验结果表明,该方法具有一定实用价值,可用于二值商标图像检索.

6.学位论文 黄赛平 基于文本和内容的商标图像检索 2008

基于内容的图像检索是一个综合了数学、电子学、计算机科学、人工智能、模式识别等各门学科的研究领域,是一个前景十分广阔而重要的应用领域。其主要思想是根据基于图像视觉内容的特征如颜色、纹理、形状和空间分布等信息,提取图像的特征向量作为索引进行相似性检索。商标是商品的一个重要标识,代表了商品的质量与生产厂家的信誉,在市场经济中起着重要的作用,而基于内容的图像检索技术在商标图像领域得到了广泛的应用,商标图像检索实际上是图像检索的一个子问题。

本文对现有的基于内容的商标图像检索方法进行了分析,提出了一种新的商标图像检索方法,并设计开发了一个基于文本和内容的商标图像检索系统。

针对二值商标图像单色的特点,一般利用形状特征对其进行检索。关于形状的统计值,可以用矩特征来表示。在图像处理中,矩可以作为一个重要的特征来表示物体,据此特征来对图像进行检索等操作。本文对基于形状特征(Hu不变矩、Legendre矩、Zernike矩、伪Zernike矩)和模糊方向特征图像检索的多种方法进行了实验对比。用PVR指数作为图像检索性能评价准则。结果表明,在基于形状特征的检索中,Legendre矩、Zernike矩和伪Zernike矩的检索性能优于Hu矩;基于模糊方向特征检索的效果优于Hu矩;在相同维数下,伪Zernike矩的检索效果最好。

随着矩阶数和特征维数的增加,虽然加强了图像的描述能力,但同时也带来了信息冗余和维数灾难等问题,加上高阶矩比低阶矩受噪声的影响大,因而并不是矩的阶数越高,检索的效果越好。通过实验,我们探讨了Legendre矩、Zernike矩、伪Zernike矩和模糊方向特征的最佳维数。

由于利用单个特征进行图像检索,未必有足够多的区别性信息,为了进行最佳的检索,当有众多特征使用时,可以将多个特征进行融合,我们提出融合多个特征的新方法来进行检索,并通过本文实现的商标图像检索系统进行了实验,对比实验证明该方法的检索效果优于单个特征的检索。

因为图像检索系统的最终用户是人,因此通过交互手段来捕获人对图像内容的理解是相当重要的。在系统中增加文本信息,即增加用户对图像的理解进行检索,实验证明,基于文本和内容的检索效果是最符合人眼的视觉感受的。

7.期刊论文 刘瑞.彭进业.李展.LIU Rui.PENG Jin-ye.LI Zhan 简化SIFT算法及其在商标图像检索中的应用 -计算机应用研究2010,27(5)

针对商标图像形状简单、颜色单一的特点,提出了一种基于简化SIFT特征的商标图像检索新方法.采用DoG算子在多尺度空间检测图像的关键点,并利用圆环域结构替代SIFT原来的方形结构,对SIFT特征描述符的生成方式进行改进,使其具有计算简单、抗几何畸变性、抗旋转性等优点;然后在关键点匹配过程中,采用RANSAC算法去除错误匹配,从而提高匹配的稳定性与精确性.实验结果表明,该方法比原SIFT方法具有更快的计算速度和更高的匹配精度,能很好地应用在商标图像检索系统中.

8.学位论文 洪志令 基于形状匹配的商标图像检索技术研究 2008

随着市场经济的发展,商标数量逐年递增。传统的基于分类、文本标注的商标图像检索方法存在着很大的难题,包括手工分类/注解工作量大、描述主观性、描述不全面性等问题。基于内容的图像检索技术可以克服这些弊端,它在商标检索领域得到了非常广泛的应用。

基于内容的商标图像检索方法利用图像自身包含的特征属性,如颜色、形状、纹理及空间位置关系等建立图像的索引,然后利用这些特征进行检索。作为人工图像的商标图像,其形状特征较其它特征更为显著,人们往往更多地通过形状来识别不同的商标。本文主要针对基于形状匹配的商标图像检

索关键问题展开研究,包括:商标图像分割技术、形状边界描述方法、形状区域描述方法、形状特征融合及匹配技术、基于多特征融合的子图像检索方法等,文中提出了一些解决问题的方法,具有一定的理论意义和实际应用价值。本文的主要工作和贡献如下:

1.深入研究了商标图像分割技术,提出了一个基于分水岭和高斯重叠率衡量多层融合的商标图像分割新方法WG-OLR:该方法可高效对商标图像进行自动分割;

2.研究基于边界的商标形状特征匹配方法,提出了一个基于角点检测及其Delaunay图的形状边界特征匹配方法DT-MATCH;该方法可快速的对非复杂的商标形状进行描述,并具有较好的检索效率;

3.研究基于区域的商标形状特征匹配方法,针对一类基于分区块统计的形状描述方法进行比较研究,确定了基于分区块统计描述思想下最适合的形状描述方法CAM;

4.分析了基于边界和基于区域特征形状描述方法的优缺点,并将这两种特征进行融合,针对商标的形状,提出了一种融合边界和区域特征的全图商标图像检索方法BR-MATCH;该方法不仅具有较好的匹配效果,同时具有较快的检索速度;

5.利用建立的商标图像分割技术和形状描述方法,同时融合颜色、空间位置关系等其它特征,提出了一种基于多特征融合的子图商标图像检索方法SBR—MATCH;子图检索方法较全图检索方法精度有了进一步的提高。

9.期刊论文 黄元元.郭丽.杨静宇 基于形状与空间位置特征的二值商标图像检索 -模式识别与人工智能2003,16(2) 本文将商标图像看作是由一些具有显著形状特征的区域构成的集合体,对于这样一个集合体,提出了一种基于形状与空间位置特征的检索方法.该方法既考虑了商标内部各组成部分的形状特征,又兼顾了它们之间的空间位置关系,从而保证了图像局部与整体的一致性,具有很好的检索精度.与仅仅利用图像的形状特征进行检索的实验结果相比,其检索结果更加符合人的视觉感受.

10.会议论文 郭劼.张凌.袁华.许勇 基于形状的图像检索及其应用 2002

随着多媒体技术,互联网的发展,人们对图像检索技术提出了新的要求,基于内容的图像检索技术(CBIR)成为热点,作为CBIR的一个重要分支,基于形状的图像检索技术在许多方面都有很好的发展前景,商标检索是其中之一.将基于形状的图像检索技术应用在商标检索中,建立了一个商标图像检索系统,简要地概述了基于形状的图像检索技术,给出了系统的简单结构介绍,算法实现以及实验结果.

本文链接:http://d..cn/Thesis_Y1591164.aspx

授权使用:中国石油大学(华东)图书馆(zgsydxhdtsg),授权号:ed75f0d6-d573-47e5-81d5-9e5700a34c46

下载时间:20xx年12月25日

更多类似范文
┣ 商标查询 3100字
┣ 商标查询风险 1000字
┣ 中国商标网查询 900字
┣ 知识产权查询网站 1500字
┣ 更多商标检索报告
┗ 搜索类似范文

更多相关推荐:
南京商标注册程序1400字

1北标知识产权代理商标注册程序北标南京知识产权代理有限公司一直专业从事有关知识产权领域法律服务业务范围主要涉及国际商标注册国内商标注册续展变更许可争议驰名商标申请著名商标申请高新企业认证双软认证知识产权侵权诉讼...

怎么查国际商标700字

怎么查国际商标国际商标注册即马德里国际商标注册所谓马德里国际商标注册是指由马德里协定和马德里议定书所适用的国家或政府间组织所组成的商标国际注册特别联盟而马德里国际商标注册也是中国目前唯一国际商标注册的方式方法步...

商标注册查询系统怎么查询商标,网上在线商标注册查900字

商标注册查询系统怎么查询商标网上在线商标注册查询如何查询商标是否已经注册过了随着大家对知识产权的重视以及做品牌推广之故商报注册越来越受到关注商标注册是一个重要的事情因此不要盲目操作最好能先全面了解商标注册的相关...

专栏推荐
大家在关注

地图地图CC