基于多特征抽取的商标图像检索

论文摘要

基于内容的图像检索技术是根据描述图像视觉内容的特征向量进行相似性检索,其中,图像视觉内容的提取可以是通用的,也可以是基于特定应用领域的。基于特定应用领域的图像检索技术可以充分利用该领域内的有用知识,其检索结果更能符合用户的需求。近年来随着市场经济的发展,商标申请数量的激增,为商标审查工作带来了难度,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非常广泛的应用。本文在对基于内容的商标图像检索研究的基础上,提出了一种基于多特征抽取的商标图像检索方法,并设计开发了一个基于多特征抽取的商标图像检索系统。当前流行的商标图像的分块检索技术,是根据图像的整体形状,在直角坐标或极坐标下将商标图像分块后,利用全局和局部图像特征来检索商标图像。但是每个分块图像的特征并不能反映原始图像真正的局部特征,因而其检索的效率将受到一定影响。本文针对这一问题提出了一种基于多特征抽取和多对多特征匹配的商标图像检索方法,其中,子图像抽取方法是根据图像的视觉特征进行分割,抽取出的各子图像是相互独立的且不受图像整体形状的约束,能充分发挥了子图像所反映的局部特征。本方法的基本思想是:首先对商标图像进行预处理,转化成二值商标图像;然后根据连通性,将商标图像中边界分明的几何图形作为子图像抽取出来,并提取各子图像形状特征;最后将各个子图像特征作为独立的特征与特征数据库中的特征进行多对多匹配,从而实现商标图像检索。本文在Microsoft Windows XP Professional系统的开发平台上,以Visual C++ 6.0和Microsoft Office Access 2003作为开发工具,设计完成了一套基于多特征抽取的商标图像检索系统,作为一个实验性的框架系统,以验证本文方法的可行性。实验证明,本方法在一定程度的提高了图像检索的效率和准确率,具有较好的检索性能,得到的检索结果能很好地符合人的视觉感受。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 研究背景
• 1.2 国内外研究现状
• 1.3 问题的提出
• 1.4 本文主要研究工作
• 1.5 本文的内容安排
• 2 基于内容的图像检索技术
• 2.1 基于内容的图像检索技术概述
• 2.1.1 研究背景和现状
• 2.1.2 图像检索的基本框架
• 2.1.3 CBIR 的主要方法分析
• 2.1.4 CBIR 应用领域
• 2.1.5 CBIR 研究存在的主要问题
• 2.2 基于内容的商标图像检索
• 2.2.1 传统的商标查询方法
• 2.2.2 基于内容的商标图像检索
• 2.3 本章小结
• 3 基于多特征的特征抽取方法
• 3.1 引言
• 3.2 图像预处理
• 3.2.1 RGB 图像灰度化
• 3.2.2 灰度图像二值化
• 3.2.3 形状主方向的确定
• 3.3 子图像抽取算法
• 3.4 商标子图像特征提取
• 3.4.1 Hu 不变矩
• 3.4.2 离心率
• 3.4.3 圆形度
• 3.4.4 信息熵
• 3.4.5 子图像特征
• 3.5 本章小结
• 4 多对多匹配
• 4.1 引言
• 4.2 特征距离选取
• 4.2.1 Minkowsky 距离
• 4.2.2 加权欧几里德距离（Weighted Euclid Distance）
• 4.2.3 马氏距离（Mahalanobis distance）
• 4.2.4 Quadratic 距离
• 4.2.5 特征距离比较
• 4.3 多对多匹配方法
• 4.3.1 平均值准则
• 4.3.2 最小值准则
• 4.3.3 最小平均值准则
• 4.3.4 加权最小平均值准则
• 4.4 图像检索
• 4.5 本章小结
• 5 试验结果和分析
• 5.1 引言
• 5.2 实验系统介绍
• 5.2.1 系统总体框架
• 5.2.2 系统结构
• 5.2.3 数据库规划
• 5.2.4 系统主界面
• 5.3 性能评价方法
• 5.3.1 检索精度和检索回召率
• 5.3.2 PVR 指数
• 5.4 实验结果与性能分析
• 5.5 本章小结
• 6 结语
• 6.1 结论
• 6.2 不足
• 参考文献
• 致谢
• 附：攻读学位期间发表的学术论文目录
• 附图表