论文部分内容阅读
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。