商标图像检索方法研究与实现

对纯文字商标和混合商标采用文字信息检索,对纯图形商标提出一种全局特征和局部特征相结合的检索方法,首先利用图像的全局特征（如不变矩、偏心率等）进行初次匹配,然后利用局部特征（如子块图像的面积等）进行二次匹配,以提高检索的查全率和精度。实验证明,检索结果是有效的,并且符合人们的视觉感受。     

基于距离融合的多特征商标图像检索

针对二值商标图像,提出了一种利用综合距离函数将多个特征进行融合的检索方法.着重对基于形状特征(Legendre矩、Zernike矩和伪Zernike矩)、基于模糊方向特征和基于多特征融合的检索方法进行了阐述,用综合距离函数度量图像间的相似性,PVR曲线作为图像检索性能评价准则.实验结果证明,融合多特征检索方法的性能优于单特征检索,检索结果符合人眼的视觉感受.     

基于局部和全局特征融合的图像检索

提出了一种综合全局统计特征和局部二值位图特征的图像检索算法。首先,分别计算图像R、G、B三通道的均值和方差,获取图像全局统计特征。然后根据块截断编码思想,将图像划分成4×4的图像子块,同样计算其均值,若块均值大于图像全局均值,则该块设为“1”,否则,设为“0”,由此得到图像的二值位图特征。最后,对归一化的特征进行有机融合获取最佳相似匹配函数进行检索。实验结果证明：综合两种特征的效果比使用单一特征的效果好;和同类算法相比,其算法鲁棒性好,检索准确率更高。     

基于全局特征与局部特征的图像分级匹配算法研究及应用

移动机器人基于拓扑地图导航时要求图像特征提取与匹配算法具有高的精度和鲁棒性、良好的实时性,针对此,提出了基于全局特征和局部特征的图像分级匹配算法。首先对输入的待匹配图像应用改进的形状上下文算法提取全局特征与图像库中图像进行遍历粗匹配,得到与当前待匹配图像相似度最高的3幅图像并构建临时图像库;然后利用改进的SIFT算法提取输入图像局部特征与临时图像库中3幅图像的局部特征进行精确匹配,最终得到与待匹配图像相似度最高的图像作为匹配结果输出。所提出的图像分级匹配算法将基于全局特征的改进形状上下文算法和基于局部特征的改进SIFT算法相结合,从而达到优势互补的目的。实验结果表明,该算法在机器人基于拓扑地图导航过程中有效地提高了图像匹配效率,缩短了运行时间。     

基于距离融合的多特征商标图像检索

针对二值商标图像,提出了一种利用综合距离函数将多个特征进行融合的检索方法。着重对基于形状特征（Legendre矩、Zernike矩和伪Zernike矩）、基于模糊方向特征和基于多特征融合的检索方法进行了阐述,用综合距离函数度量图像间的相似性,PVR曲线作为图像检索性能评价准则。实验结果证明,融合多特征检索方法的性能优于单特征检索,检索结果符合人眼的视觉感受。     

融合全局-颜色信息的尺度不变特征变换

由于尺度不变特征变换(SIFT)算法只针对图像的局部特征进行描述且忽略了图像的彩色信息,当待匹配图像中存在大量形状相似区域时,误匹配率很高。本文对SIFT图像匹配法进行了改进,提出了SCARF(Shape-color Alliance Robust Feature)图像匹配算法。为解决SIFT常出现的误匹配现象,构造的SCARF算子利用SIFT检测子提取图像的特征点集,通过建立同心圆坐标系,在SIFT原有框架的基础上融入全局形状信息和颜色不变信息,并采用欧氏距离作为匹配代价函数进行描述子匹配。对包括SCARF算法和SIFT算法在内的5种不同匹配算法通过INRIA数据库进行了实验验证,实验结果表明:SCARF算法在图像模糊、局部特征相似、JEPG压缩和光照变化等复杂变换情况下,匹配准确率优于SIFT等其他算法,降低了误匹配的概率,明显提高了匹配的稳定性和鲁棒性。     

基于多分辨率差分矩阵的纹理检索

提出了一种新的图像纹理分析算法--多分辨率差分矩阵.该算法在多分辨率基础上通过统计局部小波包系数变化情况来描述图像的纹理特征,利用小波包的多通道特性和差分矩阵的灰度差提取满足人类视觉特性.使用该算法对Brodatz图像库进行的检索实验表明,相对于其它复杂多分辨率特征提取方法,多分辨率差分矩阵无论在检索效率与检索效果上均有一定程度的提高.     

基于局部特征的模具数控加工推荐系统

为了实现对已有数控工艺设计成果的有效重用,提出了一种基于局部特征匹配的数控工艺推荐系统模型,该模型利用局部特征级的三维极半径矩结合几何尺寸等其他几何语义信息建立加工几何特征,并对典型局部特征对应的数控工艺信息进行有效组织与表达,构建数控工艺案例库。设计了一种基于综合加权的加工几何特征的相似性度量方法,以此实现局部特征的检索与加工特征的准确匹配,并根据匹配程度定义数控工艺实例复用方法,结合用户加工需求,最终产生合适的数控工艺推荐方案。     

结合全局信息的SIFT特征匹配算法

提出了结合全局信息的SIFT特征匹配算法,解决了图像中存在多个相似区域时造成误匹配的问题。首先,在尺度空间检测出特征点;其次,生成特征向量,特征向量包含两部分：基于局部信息的SIFT向量和基于全局形状信息的全局向量;最后,采用BBF(Best Bin First)算法进行搜索,并采用欧式距离作为度量函数进行特征向量的匹配。实验结果表明：改进后的算法能够在更大的范围内表征特征点的信息,所用图像误匹配的概率由19%下降到了11%,改善了匹配效果。     

基于角点检测的高精度点匹配算法

针对多光谱、多传感器遥感图像的自动配准,本文提出新的基于角点检测的高精度点匹配算法.该算法充分利用图像的点特征以及灰度和位置信息,先由Harris算子检测得到待匹配的角点集合,随后采用局部灰度相关进行粗匹配得到多对多匹配对,然后进行迭代由精匹配得到一对一的匹配对,最后利用角点间距离比进行全局一致性检测,进一步保证匹配的准确率.初步实验表明,本算法对于存在仿射变换的遥感图像可以精确自动匹配,其精度和速度都优于传统的点匹配算法.