一种基于极坐标下分块的商标图像检索新方法

商标图像的分块检索是将图像分块后利用全局和局部图像特征来检索商标图像.针对现有的四叉树分块方法的不足,提出了一种极坐标下的分块检索方法.首先对商标图像进行归一化处理,以目标对象的最小外接圆作为目标区域;在极坐标下将图像分块,计算形状直方图;最后采用新的相似性度量方法计算图像间距离,实现商标图像的准确检索.实验证明,该方法具有良好的平移、缩放、旋转和镜像不变性,得到的检索结果能很好地符合人的视觉感受.     

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．     

基于多特征抽取的商标图像检索

提出了一种多特征抽取方法进行商标图像检索。首先根据图像的连通性把图像分割成多个独立的单元子图像,然后对各个单元子图像提取特征;同时提出多对多特征匹配方法对商标图像进行检索。实验结果表明,应用该方法得到的检索结果是有效的,能够很好地满足人的视觉感受。     

Integrated probability function and its application to content-based image retrieval by relevance feedback

In the last few years, we have seen an upsurge of interest in content-based image retrieval (CBIR)—the selection of images from a collection via features extracted from images themselves. Often, a single image attribute may not have enough discriminative information for successful retrieval. On the other hand when multiple features are used, it is hard to determine the suitable weighing factors for various features for optimal retrieval. In this paper, we present a relevance feedback framework with Integrated Probability Function (IPF) which combines multiple features for optimal retrieval. The IPF is based on a new posterior probability estimator and a novel weight updating approach. We perform experiments on 1400 monochromatic trademark images have been performed. The proposed IPF is shown to be more effective and efficient to retrieve deformed trademark images than the commonly used integrated dissimilarity function. The new posterior probability estimator is shown to be generally better than the existing one. The proposed novel weight updating approach by relevance feedback is shown to be better than both the existing scoring approach and the existing ratio approach. In experiments, 95% of the targets are ranked at the top five positions. By two iterations of relevance feedback, retrieval performance can be improved from 75% to over 95%. The IPF and its relevance feedback framework proposed in this paper can be effectively and efficiently used in content-based image retrieval.     

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。     

Content-based image retrieval by using tree-structured features and multi-layer self-organizing map

A new approach for content-based image retrieval (CBIR) is described. In this study, a tree-structured image representation together with a multi-layer self-organizing map (MLSOM) is proposed for efficient image retrieval. In the proposed tree-structured image representation, a root node contains the global features, while child nodes contain the local region-based features. This approach hierarchically integrates more information of image contents to achieve better retrieval accuracy compared with global and region features individually. MLSOM in the proposed method provides effective compression and organization of tree-structured image data. This enables the retrieval system to operate at a much faster rate than that of directly comparing query images with all images in databases. The proposed method also adopts a relevance feedback scheme to improve the retrieval accuracy by a respectable level. Our obtained results indicate that the proposed image retrieval system is robust against different types of image alterations. Comparative results corroborate that the proposed CBIR system is promising in terms of accuracy, speed and robustness.     

基于内容的大数据量商标检索系统

到目前为止，大数据量的图像检索依然是一个难题，提出了运行在一种大型数据库上的基于内容的快速的商标图像检索．首先，从商标图像中提取两种统计特征，然后采用概率主成分分析降维，生成特征字典一数据库中商标图像集的一个特征映射．在检索阶段，采用快速的层次检索来得到一个数目不定的候选集，再通过相关反馈进行不断的优化，将候选集的数目减少．直至符合检索要求．在国家商标局提供的30，0270商标图像上运行本系统，每一个查询时间不超过0．3秒．     

利用特征点平均矩特征的商标图像检索

提出了一种新的基于多特征点平均矩特征的商标图像检索方法。首先根据图像的参照圆与形状主方向将图像划分为若干个同心圆,并在每个同心圆内确定一些特征点,这些特征点在图像中的相对位置不受旋转、尺度、平移等因素的影响。然后提出了基于多特征点平均矩特征的概念,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。实验结果证明,利用该算法检索的结果兼顾了商标图像在局部和整体上的一致性,能够较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.     

融合HU不变矩和SIFT特征的商标检索

利用商标图像的形状特征,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。提取图像的HU不变矩进行初步检索,按相似度排序,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特征的良好描述能力,又减少了精确匹配需要的计算次数,降低了复杂度。     

基于小波模糊聚类的均质纹理和非均质纹理图象检索

基于内容的图象检索是近年来的研究热点 ,为此提出了一种自动区分均质纹理和非均质纹理图象 ,并对这两类图象分别进行检索的算法 .算法首先从图象离散小波变换的低频子带提取一定的颜色和纹理特征用于模糊聚类 ,将图象的低频子带分割为一定的区域 ;然后根据分割的结果将图象自动语义分类为均质纹理或者非均质纹理图象 ;最后对均质纹理和非均质纹理图象分别提取不同的特征矢量 ,并按照一定的相似度准则检索图象 .实验结果表明 ,该算法具有良好的均质纹理和非均质纹理图象分类和检索性能 .     

一种改进的基于SIFT特征的商标检索方法

利用商标图像的形状特征,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。其中全局特征反映了图像的整体信息,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。提取图像的傅里叶描述子进行初步检索,按相似度排序,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特征的良好描述能力,又减少了精确匹配需要的计算次数,降低了复杂度。     

基于局部颜色-空间特征的图像语义概念检测

针对基于语义的图像检索系统,提出了一种基于局部颜色-空间特征的图像语义概念检测方法。各种基于颜色、纹理和形状的全局特征都存在着众多信息冗余项和干扰项,而该文提出的局部颜色-空间特征则是利用语义概念层的先验知识进行特征降维后提取出的特征,它能更好地描述图像的语义内容,且具有容易提取、计算复杂度低的优点。实验结果表明,基于局部颜色-空间特征的概念检测方法优于基于全局特征的概念检测方法,将其用于图像检索后的检索精度比采用基于全局颜色特征的方法提高了36.4%。     

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。     

基于文本引导对抗哈希的跨模态检索方法

随着深度学习方法的不断发展,跨模态哈希检索技术也取得了长足的进步。但是,目前的跨模态哈希检索方法通常基于两种假设：a)相似文本描述的图像内容也相似;b)相同类别的图像有着较好的全局相似性。但是,真实数据集中的数据往往不能满足以上两种假设,导致了跨模态哈希检索模型性能的降低。针对以上两个问题,提出了一种基于文本引导对抗哈希的跨模态检索方法(text-guided adversarial hashing for cross-modal retrieval, TAH),此方法在构建的网络结构基础上,将文本哈希码作为训练图像网络的基础,并将图像的局部特征与全局特征结合用于表示图像内容。此外,还针对性地提出了文本模态内全局一致性损失、模态间局部与全局一致性损失和分类对抗损失用于训练跨模态网络。实验证明,TAH可以在三个数据集中取得良好的检索性能。     

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。     

基于多纹理特征的商标图像检索

提出了一种基于多纹理特征的商标图像检索方法。首先对图像纹理特征进行分析,从人眼视觉角度选用粗糙度和方向性这2个纹理特征量;从统计分析的角度出发,基于图像灰度共生矩阵描述了二阶矩、熵、对比度和均匀性这4个纹理特征量。这6个纹理特征量从不同角度刻画了图像特征,对其归一化后用欧氏距离进行图像相似性度量。通过实验,证明了该方法可以取得比较满意的检索结果。     

基于图像信息熵的商标图像检索

提出了一种基于图像信息熵的商标图像检索系统,该系统使用图像的单元熵作为特征来描述图像形状,用欧氏距离来度量熵矢量间的相似性。用１３１０幅图像构成的数据库进行实验,结果表明,该系统输出的相似图像与人的视觉感应吻合性较好,并且具有了的比例不变性较好,并且具有很好的比例不变性,抗噪声性和抗和浓谈性。     

基于多语义特征融合的图像检索

多媒体技术的发展导致数字图像迅速增长,如何根据语义特征高效检索出满足用户要求的图像,已成为当前各行业迫切需要解决的问题。为此提出一种基于颜色、纹理和形状三种语义特征的图像检索方法,建立了颜色和纹理特征的语义描述,使用BP神经网络实现了低层视觉特征到高层语义特征的映射。选取Corel图像库作为测试图像库,实验通过与基于颜色语义特征的检索方法相比较,取得了良好的实验效果。