基于距离分布信息熵的商标图像检索

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (36): 71-73.

基于距离分布信息熵的商标图像检索

孙强强¹,陈才扣^1,2,刘永俊^1,3,黄建平¹

1.扬州大学计算机科学与工程系，江苏扬州 225009
2.南京理工大学计算机科学与工程系，南京 210094
3.常熟理工学院软件工程系，江苏常熟 215500

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-12-21 发布日期:2007-12-21
通讯作者: 孙强强

Binary trademark image retrieval using distance distribution information entropy

SUN Qiang-qiang¹,CHEN Cai-kou^1,2,LIU Yong-jun^1,3,HUANG Jian-ping¹

1.Department of Computer Science and Engineering，Yangzhou University，Yangzhou，Jiangsu 225009，China
2.Department of Computer Science and Engineering，Nanjing University of Science and Technology，Nanjing 210094，China
3.Department of Software Engineering，Changshu Institute of Technology，Changshu，Jiangsu 215500，China

Received:1900-01-01 Revised:1900-01-01 Online:2007-12-21 Published:2007-12-21
Contact: SUN Qiang-qiang

摘要/Abstract

摘要： 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。

关键词: 距离分布信息熵, 形状特征, 商标图像检索

Abstract: A new trademark image retrieval method based on the distance distribution information entropy is presented in this paper.The proposed method is divided into the following three steps：conducting the region partition on the object of the image，computing the information entropy of each of the partitioned regions，which are constructed into a feature vector for describing the shape of the image，and finally，measuring the similarity between the images using the euclidean distance.Experimental results on the trademark image database show that the extracted features can describe the image shape better，and have good invariant property under translation，scale and rotation.

Key words: distance distribution information entropy, shape feature, trademark image retrieval

孙强强¹,陈才扣^1,2,刘永俊^1,3,黄建平¹. 基于距离分布信息熵的商标图像检索[J]. 计算机工程与应用, 2007, 43(36): 71-73.

SUN Qiang-qiang¹,CHEN Cai-kou^1,2,LIU Yong-jun^1,3,HUANG Jian-ping¹. Binary trademark image retrieval using distance distribution information entropy[J]. Computer Engineering and Applications, 2007, 43(36): 71-73.

[1]	王见，毛黎明，尹爱军. 结合形状特征及其上下文的多维DTW[J]. 计算机工程与应用, 2020, 56(22): 42-47.
[2]	付波，杨章，赵熙临，单治磊. 基于降维LBP与叶片形状特征的植物叶片识别方法[J]. 计算机工程与应用, 2018, 54(2): 173-176.
[3]	吴凡，闵华松. 一种实时的三维语义地图生成方法[J]. 计算机工程与应用, 2017, 53(6): 67-72.
[4]	李洋1，李岳阳2，罗海驰1，蒋高明2，丛洪莲2. 基于形状特征的植物叶片在线识别方法[J]. 计算机工程与应用, 2017, 53(2): 162-165.
[5]	徐传运1，张杨2. 基于曲率匹配的细胞几何形状特征提取方法[J]. 计算机工程与应用, 2015, 51(1): 5-8.
[6]	万丽莉1，2，3，苗振江1，2，岑翼刚1，2. SR-SIHKS：一种非刚体全局形状特征[J]. 计算机工程与应用, 2014, 50(4): 12-17.
[7]	董红霞，郭斯羽. 一种结合形状与纹理特征的植物叶片分类方法[J]. 计算机工程与应用, 2014, 50(23): 185-188.
[8]	阿卜杜如苏力·奥斯曼，吐尔洪江·阿布都克力木，马丽亚木·阿布来孜. 综合颜色特征与形状特征的图像检索算法[J]. 计算机工程与应用, 2013, 49(7): 167-170.
[9]	曾接贤1，王军婷2，符祥1. K均值聚类分割的多特征图像检索方法[J]. 计算机工程与应用, 2013, 49(2): 226-230.
[10]	张雯雯1，王斌1，2，舒华忠3. 基于粒子群优化的多特征融合的商标图像检索[J]. 计算机工程与应用, 2012, 48(21): 186-190.
[11]	党长青,宋凤娟,刘树明. 基于多特征融合和相关反馈的图像检索[J]. 计算机工程与应用, 2008, 44(3): 186-188.
[12]	马玉国,武栓虎,宋宜斌. 基于多特征抽取的商标图像检索[J]. 计算机工程与应用, 2008, 44(18): 172-174.