基于局部特征點的商標圖像檢索方法研究.pdf

1、在現(xiàn)代商業(yè)社會中，商標已成為企業(yè)信譽的象征，是企業(yè)的一項重要的無形資產(chǎn)。因此在商標的分類和注冊過程中，應該保證同一類型的商標之間具有一定的可區(qū)分度。基于文本檢索的傳統(tǒng)商標圖像檢索方式是利用文字對圖像進行手工標注，而手工標注工作量大且具有很強的主觀性。近年來，由于注冊商標的數(shù)量快速增長，傳統(tǒng)方法已經(jīng)難以勝任海量商標圖像的相似性比較。因此，如何高效、準確地從商標庫中檢索出潛在的相似商標成為基于內(nèi)容圖像檢索的一個重要研究方向。
　　

2、基于局部特征點的圖像檢索是基于內(nèi)容圖像檢索領(lǐng)域的一個研究熱點，本文利用機器學習方法對基于Sift局部特征的商標圖像檢索方法進行了相關(guān)研究，研究內(nèi)容主要包括以下幾點：
　　 (1)針對Sift多量性問題，本文提出了一種基于聚類的簡化Sift特征提取方法。該算法在保證不降低查詢精度的同時又減少了每幅商標圖像的Sift特征點數(shù)目，從而降低了特征匹配環(huán)節(jié)所需的時間，提高了商標圖像的檢索效率。
　　 (2)針對傳統(tǒng)的KD-tree

3、特征匹配算法在特征向量高于10維時，算法性能急劇下降，甚至不如遍歷法，并且當樣本數(shù)量過多時，只能找到較近點而不能找到最近點等問題，提出了一種基于PCA技術(shù)的KD-tree特征匹配算法，從而獲得更好的性能，提高了查詢精度。
　　 (3)針對基于Sift特征的圖像檢索方法對于有些形狀及其相似，顏色差異較大但違反商標“獨特性”的商標圖像容易出現(xiàn)漏檢問題，本文提出了基于Sift和角點特征的商標圖像檢索算法。實驗結(jié)果表明，該算法在一定程度