摘要:

大规模图像检索具有广泛的应用前景,其核心在于图像特征提取和高效相似性计算.深度学习技术在图像特征提取具有较强的特征表示能力,同时哈希技术在高维数据近似计算方面具有较好的性能.目前,基于哈希学习的技术在大规模图像检索及相似性查询方面获得了广泛的研究和应用.本文结合卷积神经网络和哈希技术实现商标图像检索,通过深度学习技术提取商标图像特征,使用位哈希对数据对象编码,在海明空间折中查询的质量和效率.基于卷积神经网络模型,提出了深度哈希算法,并研究了损失函数和该数据集上的优化器选择,通过获取符合哈希编码规范的位编码实现对在二元空间对商标图像数据快速检索,该方法分为离线深度哈希学习和在线查询两个阶段.在真实商标数据集上进行实验,实验结果表明,本文方法能够在商标数据集上获得较高质量的位编码,并具有较高的检索精确度和在线查询效率.

摘要:

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.

摘要:

基于内容的商标检索利用全局形状特征和子图像的空间位置关系进行特征匹配,存在检索精度不高、抗噪声能力不强和相似子图像可能发生误检、漏检等不足.该文提出一种利用Sift特征进行商标检索的新方法.实验结果表明,与现有检索方式相比,该方法准确全面,并对遮挡、扭曲、噪声等干扰具有更强的抵抗力.

摘要:

提出一种新的基于相邻角点关系的商标检索方法。首先将商标分成中心圆、外侧圆环和边缘3个区域,每个区域分别求出所有相邻角点的间隔度数,将间隔度数量化若干等级,从而计算出每幅图像在每个区域的相邻角点的间隔度数分布直方图,2幅商标图像的相似性取决于对应区域直方图的欧式距离。该算法具有平移、旋转及尺度不变性的特点,经实验证明具有较高的商标检索效率。

摘要:

针对基于SIFT特征的商标检索其计算量大、检索速度慢、效率低的不足，提出了一种融合小波变换和SIFT特征的商标检索方法。该方法先通过小波分解得到低频子图像并建立低频子图像库，在低频子图像上提取商标图像的SIFT特征，再逐一进行精确匹配，对相似度进行排序，输出检索结果。实验结果表明，该方法不仅保持了SIFT特征的良好描述能力，且减少了精确匹配的计算量，提高了匹配速度。融合小波变换和SIFT特征的商标检索方法有效地弥补了原算法的不足，表现出了更好的检索能力和性能。