用分块图像特征进行商标图像检索

提出一种使用全局和局部图像特征检索商标图像的方法．首先确定图像的形状主方向，根据形状主方向对图像进行旋转；然后对旋转后的图像提取目标区域，对目标区域用四叉树分解的方法划分多级分块；最后抽取分块图像特征进行图像相似性度量．对图像库中2000幅商标图像实验表明，分块图像特征具有良好的旋转、平移、尺度和变形不变性，得到的检索结果能够很好地满足人的视觉感受．     

基于纹理分割的形状特征相似的商标检索技术

提出了一种新的商标图像检索方法,它基于图像的纹理分析进行自动分割,得到分块图像的形状大致信息,然后把纹理、形状这些相关特征进行组合,从而产生一个用于商标图像检索的特征向量.实验证明从纹理分割区域生成的图像特征对于商标图像检索非常有效,具有较强的识别能力.     

基于分块主色法的图像无序激增数据检索仿真

针对传统图像信息检索方法存在检索效果不佳的问题,提出基于分块主色法的图像无序激增数据检索方法。方法首先按照图像内容将图像进行分块处理,并对每个分块进行HSV非均匀量化,得到图像的颜色特征;然后根据图像小块的颜色特征分布情况,对小块的颜色特征进行加权值计算;最终以小块加权的颜色值为目标特征,进行相似度估计,并计算图像之间的欧几里德距离,将距离值最小的图像视为检索结果。经过仿真验证,采用颜色特征进行图像信息检索效果较好,经过特征加权可以使图像检索更准确,且检索耗时短,由此可以说明所提方法具有较好的检索性能。     

基于子图像多特征组合的商标图像检索

本文提出了基于子图像特征组合的商标图像检索算法.首先对商标图像进行子图像抽取,然后根据子图像单特征计算图像与目标图像的单特征距离,最后基于多特征组合得到图像相似性度量.用Hu不变矩对基于子图像多特征组合的商标图像检索算法进行实验,用PVR指数作为图像检索性能评价准则.实验表明,相对基于全局图像单特征的检索算法,基于子图像多特征组合的商标图像检索算法具有更出色的检索性能,其检索结果更符合人眼的视觉感受.     

一种基于组合特征的商标图像检索算法研究

提出一种将三个特征结合的方法来进行商标图像检索.首先用Canny算子对商标图像的边缘进行提取;其次计算出商标图像边缘的7个Hu不变矩,以及偏心率和质心距离,得到一个9维向量;然后用欧氏距离匹配;最后给出了和其它算法对比的实验结果.     

一种基于分块二值化思想的图像检索方法

提出了一种基于分块二值化思想的图像检索方法,利用二值化阈值将图像分割为目标和背景,在此基础上进行分块,在每一块内分别提取颜色特征后再进行相似度匹配,并在检索中突出图像目标的重要性。实验证明,这种方法能够更有针对性地检索图像,能够在保证查全率的同时较大的提高查准率。     

基于曲率和熵矩阵特征的商标图像检索

针对二值商标图像的特点,提出了一种综合边界曲率特征和图像分块熵矩阵特征的检索算法。首先,根据微分几何中曲率的定义,计算图像形状边界上每一点的曲率,并统计得到曲率直方图作为边界特征。然后,在图像分块的基础上,计算每一分块子图像的信息熵,得到熵矩阵,求该矩阵的奇异值作为区域特征。最后,综合这两个特征进行检索。实验表明,边界和区域特征综合使用较之单一特征有着更好的检索效果,并具有较好的几何不变性。     

利用特征点平均矩特征检索二值商标图像

提出一种新的利用多特征点特征匹配的商标检索方法.该方法首先对图像进行分块处理,将图像划分在若干个同心圆内,划分半径以图像参照圆为依据,然后根据图像的形状主方向在每一个子图像上确定一些特征点.由于图像参照圆的位置以及形状主方向具有旋转、尺度、平移不变性,因此特征点的位置在图像中的相对位置是稳定的,具有很好的不变性.对于特征点的特征,提出了基于特征点的平均矩特征,该特征不仅具有良好的鲁棒性,而且对于噪声以及图像边缘的细微变化并不敏感,非常适合用来描述商标这种特定的图像.实验证明,基于特征点的平均矩特征具有很好的不变性,而对图像的分块描述能更好的体现图像内容,因此利用该算法检索的结果能够较好的满足人的视觉感受.     

基于空间分布差异度的分块彩色图像检索方法

传统的基于颜色直方图的彩色图像检索方法具有计算简单和尺度变化不敏感的优点,但传统的方法普遍存在丢失图像空间信息和特征维数较高的缺点。为克服上述缺陷,提出了一种基于空间分布差异度的分块颜色直方图图像检索新方法。该算法首先将图像进行划分,并计算图像各子块间的相似度;然后,对分块的图像进行空间分布差异度的计算,并由此确定各分块的权值系数;最后,对各子块的相似度进行加权累加从而得到整幅图像的相似度。实验表明,该算法能克服传统方法的弊端,并具有较好的平均查找性能。     

基于全局不变矩和分块主颜色的图像检索算法

为充分发挥全局不变矩对图像形状信息着重考虑的优势,规避颜色直方图未曾考虑图像的空间位置以及常见分块策略忽略分块间的相互联系等弊端,提出一种改进的全局不变矩和分块主颜色相结合的图像检索算法。计算图像的全局不变矩,提取图像各分块主颜色,将两者进行归一化处理后进行线性加权求和,计算综合相似度。实验结果表明,该算法具有较高的检索精度,能够提高检索性能。     

距离分布直方图及其在商标图案检索中的应用

形状是描述图象的重要视觉特征,它可以通过像素点分布在空间不同的区域而表现出来,针对二值图象提出了一种基于区域的形状特征,即距离分布直方图,它的基本思想就是通过统计图象中像素点的距离区域的分布情况来获得形状特征。其中,基准点的选择和距离区域的划分是两具重要的部分,实验结果表明,距离分布直方图能够有效地刻画出二值图象的形状特征,并且具有非常好的平移。尺度和旋转不变性,将其应用于商标图案检索,其检索结果符合人眼的视觉感受。     

基于距离分布信息熵的商标图像检索

提出了一种基于距离分布信息熵的图像检索方法,该方法首先对图像的目标区域进行区域划分,然后提取区域的信息熵作为特征来描述图像形状,最后使用欧式距离度量熵矢量之间的相似性。实验结果表明,距离分布信息熵能有效地刻画出二值图象的形状特征,并且具有良好的平移、旋转及尺度不变性,检索结果符合人眼的视觉感受。     

Statistical Shape Features for Content-Based Image Retrieval

In this article the use of statistical, low-level shape features in content-based image retrieval is studied. The emphasis is on such techniques which do not demand object segmentation. PicSOM, the image retrieval system used in the experiments, requires that features are represented by constant-sized feature vectors for which the Euclidean distance can be used as a similarity measure. The shape features suggested here are edge histograms and Fourier-transform-based features computed from the image after edge detection in Cartesian or polar coordinate planes. The results show that both local and global shape features are important clues of shapes in an image.     

基于粒子群优化的多特征融合的商标图像检索

提出一种基于粒子群优化的多特征融合的商标图像检索方法,该方法可自动优化多特征融合的权重,提高图像检索系统的自适应性,解决了多特征商标图像检索中的权重分配问题。在1 000幅图像构成的商标图像库进行检索实验,实验结果表明,与基于单一特征的检索方法和一些多特征融合的检索方法相比,提出方法的检索性能最优。     

基于对数极坐标映射的图像拼接方法

图像拼接在基于图像的绘制、视频检索以及景物匹配等领域有着广泛的应用，为了获取大画面宽视场的场景表示，针对存在旋转及缩放变化的图像，提出了一种基于对数极坐标映射的图像拼接方法，该方法先将图像从笛卡儿坐标空间转换到对数极坐标空间，使得笛卡儿坐标空间中图像的旋转和缩放转换为对数极坐标空间中图像的二维平移，这样可直接利用相位相关法来估算出图像间的旋转角度和缩放因子，然后以此作为初值，再采用非线性最小化优化算法进一步求精图像间的运动参数来实现图像的配准，最后通过图像融合来实现图像的拼接。实验结果表明，该方法是有效的。     

融合傅里叶描述子和尺度不变特征转换特征的商标检索

针对传统商标检索算法中全局特征容易造成误检,而局部特征SIFT对轮廓描述能力不强及算法复杂度高的问题,提出了一种融合图像全局特征和局部特征的商标检索算法。其中全局特征反应了图像的整体信息,这些信息可用来较快地建立候选图像库,而局部特征则可以更准确地与候选图像进行匹配。首先提取图像的傅里叶描述子进行初步检索,并按相似度排序,然后在此结果集的基础上对候选图像通过提取SIFT特征进行精确匹配。实验结果表明,该方法既保持了SIFT特征较高的查全率和查准率,优于傅里叶描述子单一特征,而且检索速度比SIFT单一特征显著提高,能很好地应用于商标图像检索系统中。     

简化SIFT算法及其在商标图像检索中的应用

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。     

基于形状和空间结构的商标图像检索方法

本文提出一种基于单元子图像形状和空间结构的多级商标图像检索算法,根据单元子图像特征相似性对商标图像进行粗检索,然后对结果图像的空间结构用位置字符串匹配的方法进行分析。实验结果表明,本文提出的方法是有效的。