导读:本文包含了商标图像检索论文开题报告文献综述及选题提纲参考文献,主要关键词:深度学习,哈希学习,商标检索,卷积神经网络
商标图像检索论文文献综述
袁培森,张勇,李美玲,顾兴健[1](2018)在《基于深度哈希学习的商标图像检索研究》一文中研究指出大规模图像检索具有广泛的应用前景,其核心在于图像特征提取和高效相似性计算.深度学习技术在图像特征提取具有较强的特征表示能力,同时哈希技术在高维数据近似计算方面具有较好的性能.目前,基于哈希学习的技术在大规模图像检索及相似性查询方面获得了广泛的研究和应用.本文结合卷积神经网络和哈希技术实现商标图像检索,通过深度学习技术提取商标图像特征,使用位哈希对数据对象编码,在海明空间折中查询的质量和效率.基于卷积神经网络模型,提出了深度哈希算法,并研究了损失函数和该数据集上的优化器选择,通过获取符合哈希编码规范的位编码实现对在二元空间对商标图像数据快速检索,该方法分为离线深度哈希学习和在线查询两个阶段.在真实商标数据集上进行实验,实验结果表明,本文方法能够在商标数据集上获得较高质量的位编码,并具有较高的检索精确度和在线查询效率.(本文来源于《华东师范大学学报(自然科学版)》期刊2018年05期)
刘锋[2](2018)在《目标边界点集的层次化描述及其在商标图像检索中的应用》一文中研究指出商标是经济社会的产物,作为一种重要的知识产权,对企业的市场开拓,乃至国家的经济发展都起到了极其重要的作用。商标检索是商标注册过程中的一个重要环节,随着注册商标数量的逐年增多,传统的基于分类的检索方法和基于文本的检索方法已经不能满足商标检索系统对于检索的精确性和实时性的需求,因此,研究新的快速而又准确的商标检索系统具有非常重要的现实意义。本文从基于内容的图像检索方法出发,针对商标图像的形状特征,提出了一种基于边界点集层次化描述的商标图像检索方法。该方法将商标形状的边界表示成一个无序的点集,对边界点集沿不同方向迭代地进行分割,可以建立一个层次化的边界点集描述模型,分别用分割比和分散度这两种几何特征对各层形状边界进行度量,能够产生各层边界的形状特征描述,组合各层的形状特征,便可以建立一个对商标形状的层次化描述。针对商标形状的层次化描述子,我们提出一种循环移位的特征匹配方法来度量形状间的差异性。总结该方法具有如下优点:(1)通用性,该方法能描述轮廓线形状和区域形状这两种不同类型的形状,因此可以一般地应用于商标图像检索当中。(2)可扩展性,基于本文提出的分层描述框架,可以将分割比和分散度这两种几何度量进行扩展,将更多其他几何特征纳入到对各层边界的度量当中,以进一步提高商标形状描述的精度。(3)多尺度描述特性,本文提出的分层的描述机制使得描述子具有内在的由粗到细的形状表征能力。(4)鲁棒性,本文提出的形状描述方法本身独立于目标形状的平移和缩放变换;而在匹配阶段,我们用循环移位的匹配方法消除了目标形状旋转带来的影响,同时,该方法对噪声干扰的敏感性较低,因此,该方法具有良好的鲁棒性。(5)较低的计算复杂性,由于在特征提取时仅仅计算目标形状的边界像素点,且在形状匹配时用的是全局特征的匹配,这使得算法具有较高的计算效率。我们用MPEG-7 CE-2区域形状数据集作为复杂商标图像数据集,用MPEG-7CE-1轮廓线形状数据集作为简单商标图像数据集,在这两个标准测试集上对该方法进行商标检索测试,并与同类的其他形状描述方法进行比较,实验结果表明本文提出的方法在综合考虑检索精确率、检索效率和一般应用能力等指标的情况下,其性能上要优于各种参与比较的方法。(本文来源于《南京财经大学》期刊2018-04-28)
郭升挺[3](2018)在《基于深度学习的商标图像检索》一文中研究指出随着经济的快速发展,企业数量的大幅增多,企业商标注册量也随之不断的增长,导致商标管理部门管理企业商标的难度加大。但如今商标管理部门对商标图像的管理方法依然是采取基于“分类号”的方法,这种方法不仅是检索精度低,而且检索效率也是不高的。传统的商标图像检索技术往往是提取商标图像的全局特征,接着利用这些特征进行图像的相识度匹配。但因为商标图像往往具有很强的抽象性和复杂性,使得利用手工设计的全局特征进行商标图像检索时会带来“语义鸿沟”的问题,图像检索系统的检索精度不高,召回率低。近年来,随着Hinton等人对深度神经网络模型进行优化以后,给图像检索领域的问题带来了新的解决方法。本文尝试利用深度学习领域的技术来解决商标图像检索领域的问题,并通过实验判断深度学习技术是否能解决商标图像检索中的“语义鸿沟”问题。本文主要工作和贡献如下:首先,通过收集大量的商标图像,搭建了一个大规模的商标图像库,并利用商标图像的几何特征将图像库分成六个特征类。其主要目的是用于商标图像的特征提取,也有助于以后研究人员对商标图像的研究。其次,研究深度学习领域的技术,并提出了一个基于深层卷积神经网络的商标图像特征提取方法,通过它与Bag of Features模型中利用SIFT(Scale Invariant feature transform)人工设计图像特征的方法进行比较,最终实验表明卷积神经网络提取商标特征的方法有更高的检索精度。最后,本文将拓展查询技术用于图像检索系统当中,并且提出一种改进的均值拓展查询(Average Query Expansion,AQE)方法。(本文来源于《福建师范大学》期刊2018-03-19)
郭升挺,黄晞,柯俊敏,陈宝林,吴家飞[4](2018)在《基于深度学习与拓展查询的商标图像检索方法》一文中研究指出为了解决商标图像检索时,由于图像抽象性和复杂性的特点所带来检索时的"语义鸿沟"问题,提出一种基于深度学习的商标图像检索方法。由于深度学习技术在图像识别和图像分类技术中有着优秀表现,因此我们利用它来解决商标图像检索时遇到的一系列问题。本文还改进了拓展查询算法,并利用它优化检索系统。首先,我们利用商标图像的特征构建了一个多类别的商标图像数据集。其次,利用商标图像库训练一个稳定的AlexNet卷积神经网络模型,并构建商标图像特征库。接着,利用训练好的网络模型提取输入商标的深层语义特征并通过距离函数进行相似性度量。最后,提出一种改进的拓展查询方法,利用其对候选图像进行拓展查询,得到相似图像。经过实验结果表明,基于深度学习的商标图像检索方法比传统基于SVM主动学习的图像检索方法有着更好的检索效果。(本文来源于《网络新媒体技术》期刊2018年01期)
刘剑英[5](2017)在《基于角点描述和区域特征的商标图像检索》一文中研究指出随着商品经济的不断发展,商标的申请和注册数量不断增长。截止2015年底,我国的商标累计注册量已经达到1200万件。面对如此庞大的数据量和商标注册严格的审查条件,利用计算机图像检索替代人工审查的研究得到广泛关注,一种自动化的商标检索系统的实现成为国内外学术界的研究热点。本文通过分析商标图像检索的发展现状及商标图像检索的关键技术,提出了基于角点描述子和区域特征的商标图像检索方法,并通过实验验证了本文算法的有效性。主要研究内容如下:1.提出了一种新的角点描述符,并将其应用在图像匹配中。角点是图像的关键结构点,角点的邻域特征和分布特征反映图像的重要信息。本文提出了一种新的角点描述符:局部统计分布特征LSD和全局统计分布特征GSD。前者反映角点的局部邻域特征,后者反映角点的空间分布特征,两个特征相互补充,结合起来描述了图像整体分布结构。实验证明,本文提出的角点特征对图像缩放、扭曲和局部噪声有很强的鲁棒性。2.提出了基于角点描述子和局部区域特征相结合的两阶段商标检索方法。在第一阶段采用了基于区域分割的交叉角点匹配方法进行初步筛选,筛选出所有结构相似的图形,保证查全率,同时根据匹配结果分割出候选相似区域。在第二阶段,对应的候选相似区域之间利用区域特征进行精确匹配,保证图像细节的相似性,提高检索的查准率。实验证明,本文提出的检索框架对商标图像局部相似性的检索有良好的效果,对平移、伸缩、扭曲具有很强的鲁棒性。(本文来源于《西安电子科技大学》期刊2017-06-01)
屈红伟[6](2017)在《基于商标内容的图像检索技术研究与实现》一文中研究指出基于商标内容图像检索技术在当今社会具有重要的意义。在申请注册商标中,用图像检索可避免重复雷同商标出现,在商标使用中,可防止蓄意伪造的相近商标,以维护商标权益。因此,商标检索系统对加快商标注册、防止近似伪造商标以及保护商标权益具有很重要的意义。商标图像独有的鲜明特点和特征,通常采用显着、单纯且容易识别的物体形象或者是图形文字符号作为比较直观的语言。根据商标图像的特点和图像处理的技术方法,本课题的研究工作和实验结果具体分为以下几个方面:(1)对商标图像检索现状和相关工作的分析。通过应用案例和文献资料了解研究问题的现状,分析比较图像处理特征描述主要方法利弊,面向本文工作提出的研究问题,选择了拟采用的图像特征抽取、特征描述以及向量构成方法、通过分类器来进行相似性度量技术。(2)针对商标图像的形态特点以及应用系统常用的图像类型的标注问题,提出了基于Tamura纹理特征中的方向度直方图描述方法和K最近邻(KNN)分类方法,实现商标图像类型的分类。实验结果表明:该方法较好地刻画了文字图形变化的趋势,能够获取足够的信息来正确分类识别和低错误率。(3)针对商标图像检索中商标图像特点和全局图像描述的不足,提出了基于SIFT和SURF局部特征描述方法以及图像相似度度量方法,实现商标特征描述与匹配度量的检索方法。实验结果表明:在光照、尺度、旋转以及模糊等图像发生变化时,SIFT和SURF局部特征描述具有良好抗干扰性,能够保证较高的识别率。(4)商标图像检索系统的设计与实现。开发了一个简易版的基于商标图像检索系统。系统虽然简易,但仍涉及到数据库管理技术、图像处理技术、程序交互界面开发技术等,并将本文研究图像分类技术和图像检索技术融合在该系统中。(本文来源于《南京师范大学》期刊2017-03-28)
高晓莉[7](2016)在《基于图像不变特征的商标检索方法的研究》一文中研究指出随着注册商标的数量逐年增加,商标侵权的案例增多,对于商标注册的审查和审核提出了新的难题,如何最大限度的减少侵权案例的发生,同时对注册商标企业的权益进行保护。商标检索(Trademark Image Retrieval,TIR)是基于内容的图像检索(Content-Based Image Retrieval,CBIR)在商标领域的重要应用,在多媒体信息访问以及检索中起着重要的作用。针对传统商标检索方法存在检索时间长以及误检的问题,本文通过结合形状特征和特征点描述图像特征,并使用词袋特征进行图像检索,提出了一种集合型商标检索的方法即MHU-SIFT-K-means-BOF(Modified HU-Scale-invariant Feature transform K-means-Bag of Feature),该方法首先使用MHU-SIFT进行特征提取,也就是对图像进行基本的预处理,然后对图像提取全局特征即求MHU矩,接着采用SIFT提取图像的局部特征,得到图像的特征点集合,然后对特征点集合采用K-means-BOF方法,即对SIFT得到的图像特征点的库进行聚类,获得该图像的聚类中心,形成每张图像的单词模块(Pitch),即BOF,形成BOF特征向量库,进行图像检索。特征匹配部分使用夹角余弦计算相似度,最后按图像相似度排名输出图像。为了验证方法的有效性,在VS2010建立平台进行实验仿真并调用MATLAB2015b,通过对MPEG7_CE-Shape-1_Part_B标准图像和测试商标图像库进行大量的试验评估,实验结果表明,在图像检索过程中,本文提出的MHU-SIFT方法,较一般的HU-SIFT算法而言,准确性和快速性更胜一筹。(本文来源于《沈阳理工大学》期刊2016-12-11)
康娜[8](2016)在《基于形状特征的商标图像检索系统》一文中研究指出商标是生产者和经营者为商品设立的一个标志,是商品经济的产物。它不仅是一个企业和产品的标志,更是代表着企业的文化和商品的质量,在市场经济中起着重要的作用。目前国内已注册商标有200多万,但商标的管理还局限于人工手动管理,高效的智能管理系统较少,因此本文考虑将基于内容的图像检索技术应用于商标图像的检索系统中,以实现更直观、准确和快捷的商标图像检索。基于内容的商标图像有颜色、纹理和形状叁个视觉特征,其中形状特性比颜色和纹理特征更适合高级语义特征,因此本文采用图像形状特征来描述商标图像特征点,建立基于形状特征的商标图像检索系统。本文的主要工作如下:(1)边缘检测是本文的第一个研究重点,它对商标形状特征提取非常重要,直接反映了商标的物质属性和空间属性。本文在Canny算法的基础上提出一种改进的边缘提取算法——自适应Canny边缘提取算法,该方法通过两次使用最大类间方差法获得商标边缘检测的阈值,实现Canny算法的自适应性,解决其过分依赖人为经验的问题。(2)形状特征描述是商标形状特征提取的核心,是本文研究的另一个重点。本文在形状上下文(Shape Context)的基础上提出一种新的形状描述方法——内角形状上下文(Inner-Angle Shape Context),该方法通过改进内角的表示方法,解决了商标目标区域位置改变带来的问题。(3)设计和实现了基于形状特征的商标图像检索系统。该系统由商标预处理、特征提取和商标检索叁个模块组成,实现了对任意商标在已有商标数据库中的检索,返回与样本商标最相似的商标图像。(本文来源于《北京理工大学》期刊2016-05-01)
魏英姿,欧阳海飞,谭龙田[9](2016)在《基于差分进化极端学习机的汽车商标图像检索》一文中研究指出研究汽车商标图像的检索对道路交通安全、驾驶辅助系统开发将起到重要作用。利用极端学习机快速收敛的特点,以HU不变矩作为主要特征值训练极端学习机,并针对不同检索目标选择不同的训练特征参数,设定Harris角点与质心的距离比作为特征值,以检索不同类型汽车商标图像。采用差分进化算法训练极端学习机的输入权值与隐层偏置值,避免了极端学习机的随机性,提高检索精度。实验结果表明,引入新的特征值和使用差分进化算法训练极端学习机都对检索结果有明显的改善。(本文来源于《科技创新与应用》期刊2016年05期)
曾硕[10](2015)在《基于形状的图像匹配及商标图形检索系统的研究》一文中研究指出在信息领域中,多媒体技术是新一代信息发展和竞争的核心;多媒体信息技术主要包括声音、图像、文本、视频和通信等数据信息,由于计算机互联网的高速发展与应用,基于内容的图像检索技术逐渐地成为各行业的研究热点。图像的内容信息主要包括颜色、纹理、形状和它们的组合特征等。形状特征具有直观的人类视觉观察性,是底层视觉特征中常用的特征之一。现已存在很多形状特征描述子,但形状特征描述的完整性和基于形状的图形检索效果还有待提高,并且针对不同的应用情况,根据图像的检索需求对形状算法进行相应的改进。首先,本文研究传统的形状匹配算法。形状特征对图像的全局信息和局部信息描述并不是非常完整,而在实际应用中需要同时考虑到图像的全局和局部信息,所以本文通过对全局特征描述子和局部描述子分配不同的权值来实现基于形状的图像检索。为了简化基于全局轮廓的信息特征描述子,本文提出了一种基于改进的Hough变换的方法,结合Zernike不变矩的局部特征描述子来进行图像检索。实验证明本文方法在匹配速度和精度上均有着显着的提高,是一种高效的基于形状的图像检索算法。其次,本文将改进的基于形状的图像检索算法应用到实际检索系统中。通过对现有的商标形状检索系统的研究,总结出在商标处理步骤中最重要的是商标图案的分割,本文采用基于区域增长的分割、商标的水平投影分割、商标的竖直投影的分割、基于阈值的分割和手动分割的方法来大大减少人工分割商标的工作量,从而提高商标分割的速度。同时,按照商标的图形要素表国际分类的原则,分为不同类别的商标图案,选择提取不同的图形特征作为商标形状检索的特征。最后,本文利用改进的基于商标图形的检索算法,设计并演示了一个基于图形的商标检索系统,通过对大量商标图案的测试,证明本文改进的商标分割算法的可行性,可以实现自动处理商标库中大部分商标图案;对图形检索的测试,证明文中提出的基于改进的Hough变换和Zernike不变矩的方法在检索系统中有较好的检索性能。本文同时采用Visual C++6.0作为开发工具实现了基于图形的商标检索系统,作为一个应用性的整体框架系统。实验证明,本文的算法大大减少了基于形状的商标检索系统的审查时间,有较好的性能,具有一定的可行性和应用价值。(本文来源于《湖南大学》期刊2015-04-10)
商标图像检索论文开题报告
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
商标是经济社会的产物,作为一种重要的知识产权,对企业的市场开拓,乃至国家的经济发展都起到了极其重要的作用。商标检索是商标注册过程中的一个重要环节,随着注册商标数量的逐年增多,传统的基于分类的检索方法和基于文本的检索方法已经不能满足商标检索系统对于检索的精确性和实时性的需求,因此,研究新的快速而又准确的商标检索系统具有非常重要的现实意义。本文从基于内容的图像检索方法出发,针对商标图像的形状特征,提出了一种基于边界点集层次化描述的商标图像检索方法。该方法将商标形状的边界表示成一个无序的点集,对边界点集沿不同方向迭代地进行分割,可以建立一个层次化的边界点集描述模型,分别用分割比和分散度这两种几何特征对各层形状边界进行度量,能够产生各层边界的形状特征描述,组合各层的形状特征,便可以建立一个对商标形状的层次化描述。针对商标形状的层次化描述子,我们提出一种循环移位的特征匹配方法来度量形状间的差异性。总结该方法具有如下优点:(1)通用性,该方法能描述轮廓线形状和区域形状这两种不同类型的形状,因此可以一般地应用于商标图像检索当中。(2)可扩展性,基于本文提出的分层描述框架,可以将分割比和分散度这两种几何度量进行扩展,将更多其他几何特征纳入到对各层边界的度量当中,以进一步提高商标形状描述的精度。(3)多尺度描述特性,本文提出的分层的描述机制使得描述子具有内在的由粗到细的形状表征能力。(4)鲁棒性,本文提出的形状描述方法本身独立于目标形状的平移和缩放变换;而在匹配阶段,我们用循环移位的匹配方法消除了目标形状旋转带来的影响,同时,该方法对噪声干扰的敏感性较低,因此,该方法具有良好的鲁棒性。(5)较低的计算复杂性,由于在特征提取时仅仅计算目标形状的边界像素点,且在形状匹配时用的是全局特征的匹配,这使得算法具有较高的计算效率。我们用MPEG-7 CE-2区域形状数据集作为复杂商标图像数据集,用MPEG-7CE-1轮廓线形状数据集作为简单商标图像数据集,在这两个标准测试集上对该方法进行商标检索测试,并与同类的其他形状描述方法进行比较,实验结果表明本文提出的方法在综合考虑检索精确率、检索效率和一般应用能力等指标的情况下,其性能上要优于各种参与比较的方法。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
商标图像检索论文参考文献
[1].袁培森,张勇,李美玲,顾兴健.基于深度哈希学习的商标图像检索研究[J].华东师范大学学报(自然科学版).2018
[2].刘锋.目标边界点集的层次化描述及其在商标图像检索中的应用[D].南京财经大学.2018
[3].郭升挺.基于深度学习的商标图像检索[D].福建师范大学.2018
[4].郭升挺,黄晞,柯俊敏,陈宝林,吴家飞.基于深度学习与拓展查询的商标图像检索方法[J].网络新媒体技术.2018
[5].刘剑英.基于角点描述和区域特征的商标图像检索[D].西安电子科技大学.2017
[6].屈红伟.基于商标内容的图像检索技术研究与实现[D].南京师范大学.2017
[7].高晓莉.基于图像不变特征的商标检索方法的研究[D].沈阳理工大学.2016
[8].康娜.基于形状特征的商标图像检索系统[D].北京理工大学.2016
[9].魏英姿,欧阳海飞,谭龙田.基于差分进化极端学习机的汽车商标图像检索[J].科技创新与应用.2016
[10].曾硕.基于形状的图像匹配及商标图形检索系统的研究[D].湖南大学.2015