基于形状描述的商标图像检索研究

摘要

基于内容的图像检索(Content-basedImageRetrieval，简称CBIR)技术近年来得到了快速发展，现已广泛地应用于图像处理、计算机视觉和商标图像数据库等领域。该技术主要是利用图像自身的特点，由计算机自动分析提取图像的内容特征(颜色、纹理、形状和空间关系等)来进行图像检索。目前基于内容的图像检索主要集中在低层特征的提取及相似度匹配研究上。本文主要研究商标图像检索，提出了综合多个不变形状特征进行检索的方法，并采用改进的遗传算法解决权值分配问题。 本文的主要研究内容如下： 1.综述了基于内容的图像检索现状以及当前比较著名的图像检索系统，分析了当前基于内容的图像检索相关技术，并对系统检索性能的评价准则进行讨论。 2.介绍了基于分块方法的商标图像检索，对四叉树分块法和极坐标分块法进行研究，并通过实验来比较两种方法的检索性能。 3.提出了基于形状描述的多特征商标图像检索方法，首先介绍了形状边界和形状区域特征的表示与描述；其次介绍了本文采用的基于边界和基于区域的10个形状特征，综合这10个形状特征的特征距离形成带权值的相似性度量函数进行图像检索，其中各特征的权值是通过改进的遗传算法进行分配的；最后对文中介绍的三种商标检索方法进行比较。 4.改进遗传算法并设计一种与检索结果排名相关的适应度函数，首先简要介绍了标准遗传算法以及遗传算法的实现，针对标准遗传算法存在“早熟”和收敛速度慢等不足，文中提出一种改进的遗传算法(ISGA)，在遗传操作过程中采用自适应交叉概率和与进化代数相关的变异算子，考虑了进化代数对算法的影响，并设计了与检索结果排名相关的适应度函数作为评价函数。将改进的遗传算法用于特征权值分配，特征权值能够反映该特征在商标检索过程中的重要性。

目录

文摘

英文文摘

声明

第一章绪论

1.1研究背景及意义

1.2基于内容的图像检索国内外现状

1.2.1现有的国外研究现状

1.2.2现有的国内研究现状

1.3商标图像检索

1.3.1商标检索方法

1.3.2基于内容的商标图像检索

1.4本文的研究内容

1.5本文的组织结构

第二章CBIR相关技术

2.1系统结构

2.2特征提取

2.2.1颜色特征

2.2.2纹理特征

2.2.3形状特征

2.2.4空间位置关系

2.3相似性度量方法

2.4系统检索性能评价准则

2.4.1用户评价

2.4.2指标评价

2.5本章小结

第三章基于分块的多特征商标图像检索技术

3.1四叉树分块法

3.1.1形状主方向的确定及目标区域的提取

3.1.2四叉树分解及特征提取

3.1.3四叉树分块法存在问题

3.2基于极坐标的分块法

3.2.1图像预处理

3.2.2确定目标区域

3.2.3极坐标下分块

3.2.4分块图像特征提取

3.3实验结果与分析

3.4本章小结

第四章基于多形状特征的商标图像检索技术

4.1形状特征的表示与描述

4.1.1形状表示

4.1.2边界描述

4.1.3区域描述

4.2形状特征分析与提取

4.2.1图像预处理

4.2.2基于近似边界傅立叶描述子

4.2.3通用傅立叶描述子

4.2.4基于区域描述的不变矩

4.2.5偏心率

4.3相似性度量方法

4.4实验结果与分析

4.5本章小结

第五章 改进的遗传算法在特征权值分配中的应用

5.1标准遗传算法及特点

5.2遗传算法的实现

5.2.1编码

5.2.2初始种群

5.2.3适应度函数

5.2.4操作算子

5.2.5遗传算法的控制参数

5.3改进的遗传算法分配特征权值

5.3.1问题的描述与定义

5.3.2改进遗传算法ISGA的实现

5.4实验结果与分析

5.5本章小结

第六章商标图像检索实验系统

6.1系统介绍

6.1.1系统检索流程

6.1.2系统模块功能

6.2实验结果与性能分析

6.2.1查准率实验

6.2.2图像旋转、尺度和镜像变换回召率实验

6.2.3两种权值分配方法比较

6.3本章小结

第七章总结与展望

7.1工作总结

7.2展望

参考文献

致谢

攻读硕士学位期间发表的论文