融合HU不变矩和SIFT特征的商标检索

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (1): 187-190.

• 图形、图像、模式识别 • 上一篇下一篇

融合HU不变矩和SIFT特征的商标检索

王振海

临沂大学信息学院，山东临沂 276005

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2012-01-01 发布日期:2012-01-01

Trademark retrieval by combining HU invariant moments with SIFT features

WANG Zhenhai

School of Informatics, Linyi University, Linyi, Shandong 276005, China

Received:1900-01-01 Revised:1900-01-01 Online:2012-01-01 Published:2012-01-01

摘要/Abstract

摘要： 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。

关键词: 基于内容的图像检索, 商标, HU不变矩, 尺度不变特征变换（SIFT）

Abstract: Based on the feature of trademark image, a retrieval algorithm for trademark is proposed which combines the global feature with the local feature of images. The global feature reflects the overall information of the image that can help to build the candidate image database quickly, while the local feature can be matched with the candidate images more accurately. Extract HU invariant moments of the retrieved image and sort them according to similarity. Based on this result, match the candidate images accurately through extracting the SIFT features. Experimental results show that this method not only keeps the well descriptive ability of SIFT features, but also reduces the complexity and the counting times that are required by fine matching.

Key words: Content Based Image Retrieval（CBIR）, trademark, HU invariant moments, Scale Invariant Feature Transform（SIFT）

王振海. 融合HU不变矩和SIFT特征的商标检索[J]. 计算机工程与应用, 2012, 48(1): 187-190.

WANG Zhenhai. Trademark retrieval by combining HU invariant moments with SIFT features[J]. Computer Engineering and Applications, 2012, 48(1): 187-190.

[1]	王俊玲，卢新明. 基于语义相关的视频关键帧提取算法[J]. 计算机工程与应用, 2021, 57(4): 192-198.
[2]	呼亚萍，孔韦韦，李萌，黄翠玲. 改进TV图像去噪模型的全景图像拼接算法[J]. 计算机工程与应用, 2021, 57(17): 203-209.
[3]	程德强，白春梦，郭昕，李腾腾，庄焕东，徐辉. 基于分层区域的自适应图像配准算法[J]. 计算机工程与应用, 2019, 55(17): 199-206.
[4]	蔡鹏飞，叶剑锋. 结合改进CNN和双线性模型的CBIR方法[J]. 计算机工程与应用, 2019, 55(16): 191-196.
[5]	李和阳，孙云莲，黄雅鑫，黎圣旻，余军伟. 基于图像匹配的变压器套管工况识别方法研究[J]. 计算机工程与应用, 2018, 54(5): 211-216.
[6]	龚正，王强. 基于微观图像的图像拼接算法研究[J]. 计算机工程与应用, 2018, 54(2): 198-202.
[7]	贾雯晓1，张贵仓1，汪亮亮1，秦娜2. 基于SIFT和改进的RANSAC图像配准算法[J]. 计算机工程与应用, 2018, 54(2): 203-207.
[8]	王其浩1，2，王斌1，2. 用于图像购物搜索的局部匹配算法[J]. 计算机工程与应用, 2017, 53(6): 246-251.
[9]	曹洁1，2，赵修龙1，王进花2. 融合改进指尖点和Hu矩的手势识别[J]. 计算机工程与应用, 2017, 53(21): 138-143.
[10]	阳小燕1，任家富1，刘长江2. 基于视野分界线的多摄像机运动目标跟踪算法[J]. 计算机工程与应用, 2016, 52(9): 208-212.
[11]	董晓庆，陈洪财. 光照变化环境下的SIFT改进算法[J]. 计算机工程与应用, 2016, 52(15): 222-227.
[12]	王君竹，陈丽芳，刘渊. 基于张量投票的摄像机自标定方法研究[J]. 计算机工程与应用, 2016, 52(15): 190-197.
[13]	许钢，林园胜，江娟娟，江明. 改进型SIFT立体匹配算法研究[J]. 计算机工程与应用, 2015, 51(6): 134-138.
[14]	魏利胜1，2，周圣文1. 新型优化SIFT的图像快速配准方法研究[J]. 计算机工程与应用, 2015, 51(5): 167-171.
[15]	苏可心1，2，韩广良2，孙海江2. 一种抗视角变换的改进SIFT景象匹配算法[J]. 计算机工程与应用, 2015, 51(5): 172-177.

融合HU不变矩和SIFT特征的商标检索

Trademark retrieval by combining HU invariant moments with SIFT features

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics