一、基于Internet的图象检索的研究——商用商标检索系统的设计与实现（论文文献综述）
康娜[1]（2016）在《基于形状特征的商标图像检索系统》文中研究说明商标是生产者和经营者为商品设立的一个标志,是商品经济的产物。它不仅是一个企业和产品的标志,更是代表着企业的文化和商品的质量,在市场经济中起着重要的作用。目前国内已注册商标有200多万,但商标的管理还局限于人工手动管理,高效的智能管理系统较少,因此本文考虑将基于内容的图像检索技术应用于商标图像的检索系统中,以实现更直观、准确和快捷的商标图像检索。基于内容的商标图像有颜色、纹理和形状三个视觉特征,其中形状特性比颜色和纹理特征更适合高级语义特征,因此本文采用图像形状特征来描述商标图像特征点,建立基于形状特征的商标图像检索系统。本文的主要工作如下:（1）边缘检测是本文的第一个研究重点,它对商标形状特征提取非常重要,直接反映了商标的物质属性和空间属性。本文在Canny算法的基础上提出一种改进的边缘提取算法——自适应Canny边缘提取算法,该方法通过两次使用最大类间方差法获得商标边缘检测的阈值,实现Canny算法的自适应性,解决其过分依赖人为经验的问题。（2）形状特征描述是商标形状特征提取的核心,是本文研究的另一个重点。本文在形状上下文（Shape Context）的基础上提出一种新的形状描述方法——内角形状上下文（Inner-Angle Shape Context）,该方法通过改进内角的表示方法,解决了商标目标区域位置改变带来的问题。（3）设计和实现了基于形状特征的商标图像检索系统。该系统由商标预处理、特征提取和商标检索三个模块组成,实现了对任意商标在已有商标数据库中的检索,返回与样本商标最相似的商标图像。
曾硕[2]（2015）在《基于形状的图像匹配及商标图形检索系统的研究》文中研究指明在信息领域中,多媒体技术是新一代信息发展和竞争的核心;多媒体信息技术主要包括声音、图像、文本、视频和通信等数据信息,由于计算机互联网的高速发展与应用,基于内容的图像检索技术逐渐地成为各行业的研究热点。图像的内容信息主要包括颜色、纹理、形状和它们的组合特征等。形状特征具有直观的人类视觉观察性,是底层视觉特征中常用的特征之一。现已存在很多形状特征描述子,但形状特征描述的完整性和基于形状的图形检索效果还有待提高,并且针对不同的应用情况,根据图像的检索需求对形状算法进行相应的改进。首先,本文研究传统的形状匹配算法。形状特征对图像的全局信息和局部信息描述并不是非常完整,而在实际应用中需要同时考虑到图像的全局和局部信息,所以本文通过对全局特征描述子和局部描述子分配不同的权值来实现基于形状的图像检索。为了简化基于全局轮廓的信息特征描述子,本文提出了一种基于改进的Hough变换的方法,结合Zernike不变矩的局部特征描述子来进行图像检索。实验证明本文方法在匹配速度和精度上均有着显着的提高,是一种高效的基于形状的图像检索算法。其次,本文将改进的基于形状的图像检索算法应用到实际检索系统中。通过对现有的商标形状检索系统的研究,总结出在商标处理步骤中最重要的是商标图案的分割,本文采用基于区域增长的分割、商标的水平投影分割、商标的竖直投影的分割、基于阈值的分割和手动分割的方法来大大减少人工分割商标的工作量,从而提高商标分割的速度。同时,按照商标的图形要素表国际分类的原则,分为不同类别的商标图案,选择提取不同的图形特征作为商标形状检索的特征。最后,本文利用改进的基于商标图形的检索算法,设计并演示了一个基于图形的商标检索系统,通过对大量商标图案的测试,证明本文改进的商标分割算法的可行性,可以实现自动处理商标库中大部分商标图案;对图形检索的测试,证明文中提出的基于改进的Hough变换和Zernike不变矩的方法在检索系统中有较好的检索性能。本文同时采用Visual C++6.0作为开发工具实现了基于图形的商标检索系统,作为一个应用性的整体框架系统。实验证明,本文的算法大大减少了基于形状的商标检索系统的审查时间,有较好的性能,具有一定的可行性和应用价值。
章文[3]（2010）在《基于内容的商标检索技术研究》文中进行了进一步梳理随着我国市场经济的快速发展,商标图像需求量不断增加,而传统的以基于分类码并且以大量人力为代价的检索方法日益不能解决当前商标注册的矛盾。目前处于研究热点和难点的基于内容商标检索技术,以计算机视觉技术为基础,并利用模式识别等相关计算机辅助知识进行图像检索,为解决当前商标注册问题提供了一个很好的途径。本文首先对当前的基于内容的商标检索技术研究现状进行介绍和分析,并对传统的商标检索特征提取方法和尺度不变特征变换算法的特征提取方法作了研究与分析,通过实验得出基于尺度不变特征变换及相关算法能提取出比传统的商标检索方法更好的稳定特征。然后考虑到尺度不变特征变换及相关算法均利用相对距离来进行特征匹配,这种显示匹配方法存在速度慢,受图像复杂度的影响等缺点,针对这些问题,本文提出了一种新的利用空间金字塔编码的特征匹配算法,经过实验结果表明,该方法能在保持良好的匹配精度的同时,大大提高匹配效率。为了检验本文提出的利用空间金字塔编码的特征匹配算法的实际检索效果,并希望将基于内容的商标检索技术由研究向实用做出尝试,本文设计了一个在线的商标检索系统。系统通过离线创建图像特征库,并应用金字塔空间编码的思想划分特征空间,最后设计的系统取得了不错的效果。不仅验证了本文算法的可行性,还将基于内容的商标检索技术由研究向应用做了一次深入的尝试。
邬惠远[4]（2010）在《基于图像识别的商标检索系统设计与实现》文中认为随着注册商标数量的急剧增加,在这种超大图像库上实现检索、比对将需要耗费大量的时间和人力。本文主要针对这种大图像数据库国行研究,开发出高效、准确的自动检索系统,减少传统的关键词检索方国存在的缺陷,提高商标注册的准确性并缩短注册的时间。检索的高效性和准确性是基于内容图像检索的两个关键。多年来,许多研究人员在这个领域提出了许多有效的方国,但是还远没有达到完善。本文在讨论一般图像检索理论的同时,结合商标图像的特点,建议了一套新的检索方国,在检索的高效性和准确性两个方面都取得了较好的效果。主要包含如下几个方面工作:1、在预处理环节,考虑到商标图像作为人工图像和自然图像存在的差别,从实国出发,先对商标图像国行二值化,并在抽取特征之前国行去噪、去文本、归一化和边缘检测等一系列预处理,消除位移、放缩等影响,增加特征抽取的鲁棒性。2、利用多种特征作为识别的基础。本文除了利用不变矩、边缘方向、小波能量等常用的全局特征,为了更好地描述商标图像,还引入字符识别领域常用的局部形状特征来强调商标图像的局部信息。最后利用概率主成分分析（PPCA）来降低特征的维数,加快匹配的速度。3、层次检索策略和相关反馈。利用层次检索策略,在基本不影响精度的前提下可以大大提高检索的速度;相关反馈引入人的主观判断能力,通过学习人的主观感受,提高查询的效果。为了验证算国的有效性,我们国行了一组实验,取得了良好的效果。本文针对商标图像来国行的,但是很多设计思想和算国可以用于许多其他大图像数据库的检索问题。在商标图像库上开发二套符合人的感知的自动检索系统是一件非常困难和有挑战性的问题,但是自动检索方国具有非常强大的功能,可以解决传统的商标比对方国所需要耗费大量的时间和人力,带来很大的方便。
朱洪臣[5]（2009）在《基于内容的商标检索技术研究》文中指出随着全球经济的快速发展,商标数量飞速膨胀,如何高效、快速地检索相似商标图像成为当前图像应用领域的一个研究热点。针对边界高斯描绘子的不足,提出了基于区域的改进高斯描绘子。该方法将目标区域分割成多个圆环形子图像,以图像形状的主方向与水平方向的夹角为起始点,提取各分块的高斯描绘子作为图像的形状特征向量,然后采用相关反馈信息和各分块间的距离方差来动态调整各个分块的权值系数,根据欧式距离来计算图像间的相似度。实验结果表明,该方法能有效的刻画商标图像的形状特征,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。为了对二值商标图像进行有效检索,更充分利用商标图像的内部信息,针对简单的采用水平方向和垂直方向投影分类方法的不足,提出了一种利用极坐标投影分类的方法。首先根据单元子图像特征相似性对商标图像进行一级检索,然后利用二维极坐标字符串对结果图像进行空间位置匹配。该方法既考虑了商标内部各组成部分的形状特征,又兼顾了它们之间的空间位置关系,保证了整体与局部的一致性,取得了很好的检索精度。本文设计了两个基于内容的商标检索实验系统,改进了原有实验框架系统。其中一个实验系统将商标检索算法封装成独立的类,便于后续操作中的移植;另一个实验系统按照相似性度量的结果分页显示检索结果;对原有实验框架进行改进便于不同算法类的移植和性能比较。
任永华[6]（2008）在《基于图像检索的商标注册应用系统的设计与实现》文中研究说明商标是商品生产者或经营者在其商品上使用的,供消费者辨别商品来源的显着标志,一经注册,即受法律保护。在商标注册过程中,不仅应保证商标的独一无二性,还要保证注册商标的可区分度,因此,在注册之前进行准确的查询和比对,以确定拟注册的商标是否已被注册是非常必要的。伴随着商标注册数量的激增,商标查询的难度也越来越高,基于类目和文本的传统检索方式已不能满足人们的需求,所以现在更多地将基于内容的图像检索技术应用于商标图像的注册检索中。在基于内容的图像检索技术中,特征的选择和提取尤其关键。考虑到商标图像自身具有颜色单调、形状简单、尺寸规则等特点,本文综合利用了商标的颜色和形状这两个最显着的可视化特征进行相似性匹配,同时把纹理分析应用于图像分割中,并加入了商标图像的空间信息。在提高检索精度,兼顾效率的基础上,最大化地利用了商标图像的综合特征。本文提出了一种新的基于形状特征的商标图像检索算法。它先将商标图像按纹理分成大小相等,互不重叠的块,采用灰度共生矩阵和纹理块的空间信息作为每一块的纹理特征,用模糊聚类算法对其进行纹理分割,并把得到的分类数量作为参数。然后对原始图像因纹理分割得到的区域进行特征提取,包括质心、质量、离散度、平均数和方差（由于质心有两个值,实际上是六个特征向量）。文中每幅商标图像采用5个分类（背景图像不做考虑）,从而产生一个用于图像检索的30维的特征向量。为了达到不同特征之间优势互补的效果,文中采用颜色聚合向量的概念,提取商标的颜色聚合向量特征,把图像内容分为聚合与非聚合两类,充分考虑了商标图像中不同对象之间的空间位置关系。基于所讨论的图像检索算法,结合已有的研究成果,设计并实现了一个实验性的基于图像综合特征的商标检索系统。通过实验证明,相对于单个特征的商标检索,该系统有着更为出色的检索性能,取得了较满意的效果。
王振海[7]（2004）在《基于NMI和熵特征的二值商标图象检索方法研究》文中研究说明随着多媒体时代的到来，使得人们越来越多的接触到大量的图象信息。如何提供一个有效的途径来快速、准确的查询这些具有丰富内涵的图象信息便成为当今检索领域的研究热点。基于内容的图象检索（Content Based Image Retrieval，CBIR）技术就是解决这一问题的关键技术之一。 本文简要介绍了基于内容的图象检索，并对图象检索的发展进行了概述，对基于内容的图象检索的主要研究技术进行了详细和全面的论述。特征级内容的提取是CBIR技术的基础。因此，本文对基于视觉特征的图象检索技术进行了研究。 基于二值图象的NMI不变特征（归一化转动惯量）提出了一种全新的基于内容的图象检索的方法，其特点是计算简单，精确度高，具有抗几何畸变性，对滤波、平滑、压缩等图象操作有一定的鲁棒性。试验结果表明，该方法具有一定实用价值，可用于二值商标图象检索。 商标是商品的一个重要标识，代表了商品的质量与生产厂家的信誉，在市场经济中起着重要的作用。结合商标图象的特点，本文给出了一种商标图象的NMI不变特性与信息熵特征相结合的分级检索算法。本文还对上述提到的检索算法结合商标图象库进行了验证实验，实验证明，该检索算法具有很好的检索效果。 相关反馈是当前基于图象内容的检索研究中的一个焦点，它是通过图象检索中的人机交互实现的，首先接收用户对当前检索结果的反馈，然后根据反馈信息自动调整查询，最后利用优化后查询重新计算检索结果。本文对相关反馈的背景、分类作为简要介绍，详细介绍了反馈技术的两个关键步骤，即归一化和权值调整。最后结合商标图象库给出了基于NMI和信息熵的相关反馈算法，实验结果表明，可进一步提高检索精度。
张天红[8]（2004）在《基于内容的图象检索研究》文中认为随着多媒体技术及Internet技术的迅速发展，各行各业对图象的使用越来越广泛，图象信息资源的管理和检索显得越来越重要，其中基于内容的图象检索（CBIR,Content-based Image Retrieval）已经成为近几年来最活跃的研究领域之一。 基于内容的图象检索技术是指利用图象内容对图象进行查询。图象的内容包括图象的颜色特征、形状特征、纹理特征、语义特征等。本论文主要针对如何描述图象内容，准确、自动地提取特征，以及精确地对图象内容进行相似性度量。本文的主要工作和成果包括： 研究了目前国内外CBIR技术的现状、发展趋势及其应用状况，对基于内容的图象检索系统进行了分析，深入研究了图象检索中的关键技术，包括各种索引技术、相似性度量及其性能评价技术。 提出了一种改进的基于区域的形状索引的图象检索方法。首先基于主要颜色把图象分割成区域，然后把分割后得到的区域用作形状检索的输入。这样就可以把主要颜色区域和形状特征结合起来作为特征进行基于内容的图象检索，而且对平移、旋转和尺度大小具有不变性。试验证明这种方法比改进前的查准率和查全率要高。 提出了一种适合本文的形状特征的相似性度量方法。大量的试验证明了该方法的有效性。 根据上述的检索方法，本文设计了一个简单的图象检索系统。该系统具有可视性好，检索直观、方便的优点，可支持浏览查询和示例查询。
周国华[9]（2003）在《基于颜色的图象检索系统的研究与实现》文中研究说明随着Internet网络技术的发展，人们广泛应用各种图象数据，如何有效、快速地检索图象成为一个迫切需要解决的课题。本文在广泛查阅国内外有关基于内容的图象检索技术CBIR（Content Based Image Retrieval）资料的基础上，对基于内容的图象检索技术现状进行了分析和研究。 由于在目前的图象数据库中，基本上以彩色图片为主，所以在基于内容的图象检索技术中，颜色是使用最广泛的特征之一。 本文以普通图象作为对象，在图象预处理的基础上，对利用颜色特征进行图象检索的三个关键问题：颜色空间的表示，颜色特征的提取和基于颜色的相似性度量进行了讨论。 首先，对获得的图象进行预处理，使得图象的颜色特征能够准确而方便的提取；其次，针对全图直方图的不足，提出了基于子块直方图的算法；再之，在子块直方图的基础上，研究了基于颜色对的图象检索算法，使检索结果图象在空间上具有颜色相似性；最后采用了符合人类视觉特性的HSV颜色空间来进行图象检索，并利用人对颜色的感知对颜色分量进行了量化，对两种量化方法进行了研究和讨论。 本文采用Visual C++ 6.0实现了基于颜色特征的图象检索实验系统，并对实验结果进行了分析和研究，为下一步整合各种关于颜色直方图的检索算法以及采用其它的检索方法打下了较好的基础。
余斌[10]（2002）在《基于Internet的图象检索的研究——商用商标检索系统的设计与实现》文中认为基于内容的图像检索是指在数据库中找出满足某一特定的视觉特征描述的图像的过程，它融合了图象理解技术，综合地利用颜色，纹理，轮廓和结构等图象内容特征，是建立在图象媒体语义特征之上的检索方法。本文通过对基于内容图象检索技术和图象数据库存储技术的广泛深入的研究，提出了一种新的基于颜色环的图象检索方法，以颜色来表示图象内容，通过颜色分块解决了以往颜色特征没有空间信息的问题，利用有效的数据存储方法，压缩容量空间，提出了模拟人类判断特征的匹配算法，为用户提供的有效合理的人机界面。根据实际的商业用途开发出一套力求实用的面向个人用户的商标检索系统，能够依据用户的需要迅速准确的从数据库中检索出用户所需要的商标图象。在论文中给出了各种需求的检索实例，分析了检索结果和统计数据，实验证明本文提出的颜色环检索算法和商用的基于Internet和内容的图象检索方法是有效的。
二、基于Internet的图象检索的研究——商用商标检索系统的设计与实现（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于Internet的图象检索的研究——商用商标检索系统的设计与实现（论文提纲范文）
（1）基于形状特征的商标图像检索系统（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究目的与意义 |
| 1.2 研究现状 |
| 1.2.1 商标图像检索系统研究现状 |
| 1.2.2 商标形状特征提取研究现状 |
| 1.3 研究内容 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容 |
| 1.3.3 主要问题和难点 |
| 1.4 论文结构 |
| 第2章 基于形状特征的商标检索系统概述 |
| 2.1 基于内容的商标检索技术研究现状 |
| 2.2 商标图像检索系统基本框架 |
| 2.3 基于内容的商标图像检索关键技术 |
| 2.3.1 特征提取 |
| 2.3.2 相似性度量 |
| 2.3.3 检索性能评价 |
| 2.4 基于内容的商标检索存在的主要问题 |
| 2.5 本章小结 |
| 第3章 商标预处理 |
| 3.1 商标预处理流程 |
| 3.2 商标预处理方法 |
| 3.2.1 商标灰度处理 |
| 3.2.2 商标归一化处理 |
| 3.2.3 商标去噪处理 |
| 3.3 本章小结 |
| 第4章 商标形状特征提取 |
| 4.1 商标形状特征提取流程 |
| 4.2 商标形状特征提取方法 |
| 4.2.1 商标图像边缘检测 |
| 4.2.2 商标图像形状特征描述 |
| 4.3 本章小结 |
| 第5章 商标图像相似度计算 |
| 5.1 商标检索流程 |
| 5.2 商标检索方法 |
| 5.3 本章小结 |
| 第6章 商标图像检索系统的设计与实现 |
| 6.1 系统需求分析 |
| 6.2 系统结构和工作流程 |
| 6.2.1 系统结构 |
| 6.2.2 系统的工作流程 |
| 6.3 系统开发环境 |
| 6.4 系统框架设计 |
| 6.5 系统应用 |
| 6.6 实验结果 |
| 6.7 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
（2）基于形状的图像匹配及商标图形检索系统的研究（论文提纲范文）
| 摘要 |
| Abs tract |
| 第1章 引言 |
| 1.1 课题研究背景 |
| 1.2 基于内容的图像检索技术概述 |
| 1.3 基于形状的商标检索研究的意义 |
| 1.4 本文的主要内容与章节安排 |
| 第2章 基于形状的图像检索技术 |
| 2.1 形状检索技术的介绍 |
| 2.2 基于轮廓的形状描述方法 |
| 2.2.1 链码 |
| 2.2.2 尺度空间 |
| 2.2.3 傅立叶描述子 |
| 2.2.4 小波描述子 |
| 2.3 基于区域的形状描述方法 |
| 2.3.1 几何不变矩 |
| 2.3.2 Radon变换 |
| 2.4 本章小结 |
| 第3章 基于改进的Hough变换和Zernike不变矩的图像检索方法 |
| 3.1 图像边缘检测算子 |
| 3.1.1 Roberts边缘算子 |
| 3.1.2 Prewit t边缘算子 |
| 3.1.3 Sobe l边缘算子 |
| 3.1.4 Laplacia n边缘算子 |
| 3.1.5 C anny边缘算子 |
| 3.1.6 边缘检测方法的比较 |
| 3.2 基于Hough变换的直线检测算法 |
| 3.2.1 Hough直线检测原理 |
| 3.2.2 Hough变换的改进 |
| 3.2.3 改进的Ho ugh变换的性能 |
| 3.3 基于Zernike不变矩的算法 |
| 3.3.1 Zernike不变矩的原理 |
| 3.3.2 伪Zernike矩和归一化的算法 |
| 3.3.3 Zernike矩参数的选取 |
| 3.4 基于改进的Ho ugh变换和Zernike的图像检索方法 |
| 3.4.1 特征匹配方法 |
| 3.4.2 图像检索性能评价方法 |
| 3.4.3 实验结果 |
| 3.5 本章小结 |
| 第4章 商标图形检索系统的分析 |
| 4.1 商标图形系统的分析 |
| 4.1.1 商标图形检索系统的介绍 |
| 4.1.2 系统的商标处理流程图 |
| 4.1.3 商标处理方案流程 |
| 4.2 商标预处理方法分析 |
| 4.2.1 商标图案的归一化 |
| 4.2.2 商标图案的去噪 |
| 4.2.3 商标图案的灰度处理 |
| 4.3 商标图案的分割方法 |
| 4.3.1 线邻接图算法 |
| 4.3.2 基于区域增长的分割算法 |
| 4.3.3 基于阈值的分割算法 |
| 4.4 商标图形特征的提取 |
| 4.4.1 基于纹理特征的表示 |
| 4.4.2 基于局部特征点的匹配 |
| 4.5 本章小结 |
| 第5章 商标图形检索系统的实现 |
| 5.1 系统框架设计 |
| 5.2 商标图形检索系统的实现 |
| 5.2.1 系统的界面设计 |
| 5.2.2 系统的功能描述及检索过程介绍 |
| 5.3 实验结果及分析 |
| 5.4 本章小结 |
| 总结与展望 |
| 参考文献 |
| 致谢 |
| 附录A 攻读学位期间所发表的学术论文 |
（3）基于内容的商标检索技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 目录 |
| 图表目录 |
| 注释表 |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 传统的商标检索技术 |
| 1.2.1 基于分类的商标检索 |
| 1.2.2 基于文本标注的商标检索 |
| 1.2.3 传统商标检索技术的不足 |
| 1.3 基于内容的商标检索技术 |
| 1.4 基于内容商标检索技术现状与分析 |
| 1.4.1 国外基于内容的商标检索技术现状 |
| 1.4.2 国内基于内容的商标检索技术现状 |
| 1.4.3 研究现状分析 |
| 1.5 本文的研究工作 |
| 1.6 本文的内容安排 |
| 第二章 基于内容的商标检索中的特征提取 |
| 2.1 引言 |
| 2.2 现有的基于内容商标检索的特征提取方法 |
| 2.2.1 基于轮廓的特征提取 |
| 2.2.2 基于区域的特征提取 |
| 2.2.3 基于点特征的特征提取 |
| 2.2.4 现有的检索算法及性能分析 |
| 2.3 SIFT 特征提取方法及其过程 |
| 2.3.1 尺度空间极值点检测 |
| 2.3.2 精确定位关键点 |
| 2.3.3 计算关键点的主方向 |
| 2.3.4 构造特征描述子 |
| 2.4 两种改进的SIFT 算法：PCA-SIFT 和SURF |
| 2.4.1 PCA-SIFT 算法 |
| 2.4.2 SURF 算法 |
| 2.5 实验结果与分析 |
| 2.5.1 实验数据 |
| 2.5.2 实验标准 |
| 2.5.3 实验结果 |
| 2.5.4 实验分析 |
| 第三章 一种新的利用空间金字塔编码的特征匹配算法 |
| 3.1 引言 |
| 3.2 PCA-SIFT 及相关算法的特征匹配 |
| 3.2.1 基于 K-D 树的特征空间划分 |
| 3.2.2 基于 Best Bin First（BBF）算法的匹配对搜索 |
| 3.2.3 传统匹配算法存在的问题 |
| 3.3 改进的特征匹配算法 |
| 3.3.1 算法思想 |
| 3.3.2 算法步骤 |
| 3.4 实验结果与分析 |
| 3.4.1 实验数据 |
| 3.4.2 评价标准 |
| 3.4.3 实验结果 |
| 3.4.4 实验分析 |
| 第四章 在线的基于内容商标检索系统设计 |
| 4.1 引言 |
| 4.2 实验系统设计意义 |
| 4.3 实验系统的预期效果 |
| 4.4 实验系统结构和主要模块 |
| 4.4.1 创建离线商标图像特征库 |
| 4.4.2 在线商标检索系统 |
| 4.5 实验系统界面和运行效果 |
| 4.5.1 离线商标特征库实验系统界面 |
| 4.5.2 在线检索实验系统界面 |
| 4.6 实验结果和分析 |
| 4.6.1 实验数据 |
| 4.6.2 评价标准 |
| 4.6.3 实验结果 |
| 4.6.4 实验分析 |
| 第五章 总结与展望 |
| 5.1 本文总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 在学期间的研究成果及发表的学术论文 |
（4）基于图像识别的商标检索系统设计与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 引言 |
| 1.1 商标图像 |
| 1.1.1 商标注册 |
| 1.1.2 商标图案检索 |
| 1.1.3 自动商标检索的意义与现状 |
| 1.2 图像数据库 |
| 1.3 文档图像检索技术 |
| 1.3.1 文档图像检索的研究现状 |
| 1.3.2 文本检索系统的构成 |
| 1.3.3 检索模型 |
| 1.3.4 检索评价方国 |
| 1.4 本文的主要工作 |
| 第二章 系统分析 |
| 2.1 系统总体需求 |
| 2.2 系统总体设计 |
| 2.3 系统图像识别方案分析 |
| 2.4 本章小结 |
| 第三章 商标检索系统设计 |
| 3.1 商标图像预处理设计 |
| 3.1.1 概述 |
| 3.1.2 商标图像的子图像抽取设计 |
| 3.1.3 消除噪声和反色背景的干扰 |
| 3.1.4 文字信息识别与干扰文字信息过滤 |
| 3.1.5 归一化设计 |
| 3.1.6 边缘提取设计 |
| 3.2 图像特征提取算国设计 |
| 3.2.1 引言 |
| 3.2.2 静态图像检索常用特征 |
| 3.2.3 多特征融合 |
| 3.2.4 局部特征 |
| 3.2.5 降维 |
| 3.3 商标检索匹配算国设计 |
| 3.3.1 相似度定义设计 |
| 3.3.2 层次检索策略 |
| 3.4 本章小结 |
| 第四章 商标检索系统的实现 |
| 4.1 商标图像预处理实现 |
| 4.1.1 商标图像子图像抽取实现 |
| 4.1.2 图文噪声消除与图文识别 |
| 4.2 图像特征提取算国的实现 |
| 4.2.1 图像特征存储设计 |
| 4.2.2 利用ISAPI 技术提取图像特征 |
| 4.3 商标检索匹配算国实现 |
| 4.4 本章小结 |
| 第五章 商标检索实验与反馈改国 |
| 5.1 实验与分析 |
| 5.1.1 基于A 样本集的实验 |
| 5.1.2 基于B 样本集的实验 |
| 5.1.3 基于C 样本集的实验 |
| 5.2 利用相关反馈改善查询结果 |
| 5.2.1 查询向量移动 |
| 5.2.2 权重调整 |
| 5.3 本章小结 |
| 第六章 结论与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
（5）基于内容的商标检索技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 商标检索技术介绍 |
| 1.2.1 基于类目检索商标 |
| 1.2.2 基于文本检索商标 |
| 1.2.3 基于内容检索商标 |
| 1.3 基于内容的商标检索技术 |
| 1.3.1 基于内容的商标检索技术的特点 |
| 1.3.2 基于内容的商标检索技术发展现状 |
| 1.3.3 未来发展方向 |
| 1.4 本文的工作安排 |
| 1.4.1 本文主要研究的内容 |
| 1.4.2 本文的内容安排 |
| 第二章 基于内容的商标检索技术 |
| 2.1 引言 |
| 2.2 基于内容的商标检索技术的特点 |
| 2.3 基于内容商标检索的关键技术 |
| 2.3.1 特征提取 |
| 2.3.2 相似性度量 |
| 2.3.3 相关反馈 |
| 2.3.4 评价准则 |
| 2.4 基于内容的商标检索系统的体系结构 |
| 2.5 基于内容的商标检索算法 |
| 2.5.1 基于轮廓的商标检索 |
| 2.5.2 基于区域的商标检索 |
| 2.5.3 现有的检索算法及性能分析 |
| 第三章 改进高斯描绘子及其在商标检索中的应用 |
| 3.1 引言 |
| 3.2 算法设计 |
| 3.2.1 确定目标区域 |
| 3.2.2 形状主方向 |
| 3.2.3 区域分割 |
| 3.2.4 特征提取 |
| 3.3 相似性度量 |
| 3.4 相关反馈技术 |
| 3.5 实验结果 |
| 3.5.1 不变性实验 |
| 3.5.2 相似性实验 |
| 3.6 小结 |
| 第四章 利用形状和空间位置特征检索商标图像 |
| 4.1 引言 |
| 4.2 算法设计 |
| 4.2.1 形状特征提取 |
| 4.2.2 形状特征匹配 |
| 4.2.3 空间特征提取 |
| 4.2.4 空间位置匹配 |
| 4.3 实验结果和讨论 |
| 4.4 小结 |
| 第五章 基于内容的商标检索实验系统 |
| 5.1 引言 |
| 5.2 系统模块 |
| 5.2.1 系统主界面 |
| 5.2.2 相关反馈和数据库模块 |
| 5.2.3 图像检索模块 |
| 5.3 小结 |
| 第六章 结束语 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 在学期间的研究成果及发表的学术论文 |
（6）基于图像检索的商标注册应用系统的设计与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 商标图像检索技术类型简介 |
| 1.2.1 基于类目的商标检索 |
| 1.2.2 基于文本的商标检索 |
| 1.2.3 基于内容的商标图像检索 |
| 1.3 基于内容的商标图像检索技术 |
| 1.3.1 基于内容的图像检索技术的特点 |
| 1.3.2 基于内容的图像检索技术框架 |
| 1.3.3 基于内容的商标图像检索的主要方式 |
| 1.4 国内外研究和发展的动态 |
| 1.5 本文的主要工作和研究成果 |
| 1.6 论文的组织结构 |
| 第二章 基于颜色特征的商标图像检索 |
| 2.1 颜色空间模型 |
| 2.2 颜色特征的建立 |
| 2.2.1 自适应滤波(Adaptive Filter) |
| 2.2.2 颜色特征 |
| 2.2.3 颜色聚合向量 |
| 2.3 相似性度量 |
| 2.3.1 常用相似性度量准则 |
| 2.3.2 最优权值法 |
| 2.3.3 最优权值法测试 |
| 2.4 实验结果及分析 |
| 2.5 本章小结 |
| 第三章 基于形状特征的商标图像检索 |
| 3.1 图像的纹理分割 |
| 3.1.1 灰度共生矩阵方法 |
| 3.1.2 基于灰度共生矩阵的纹理特征 |
| 3.1.3 模糊c均值聚类算法(Fuzzy Clustering Method) |
| 3.1.4 纹理分割模型 |
| 3.2 形状特征向量 |
| 3.3 实验分析 |
| 3.4 本章小结 |
| 第四章 融合颜色和形状特征的综合特征商标检索 |
| 4.1 综合特征图像检索 |
| 4.1.1 综合特征图像检索的特征描述 |
| 4.1.2 多特征综合检索的相似度匹配 |
| 4.1.3 综合特征图像检索中的特征提取方法 |
| 4.2 图像特征归一化 |
| 4.2.1 特征内部归一化 |
| 4.2.2 特征外部归一化 |
| 4.3 综合特征检索中图像特征权值调整 |
| 4.3.1 特征之间权值的调整 |
| 4.3.2 特征内部权值的调整 |
| 4.3.3 W_i的调整 |
| 4.3.4 多特征检索复杂度的减小计算 |
| 4.4 实验结果及分析 |
| 4.5 本章小结 |
| 第五章 商标检索系统的实现 |
| 5.1 系统结构 |
| 5.1.1 商标图像库生成子系统 |
| 5.1.2 商标图像检索子系统 |
| 5.2 数据库管理 |
| 5.3 商标检索 |
| 5.4 实验结果及分析 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 参考文献 |
| 作者简历 攻读硕士学位期间完成的主要工作 |
| 致谢 |
（7）基于NMI和熵特征的二值商标图象检索方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题的背景 |
| 1.2 本文主要工作 |
| 1.3 本文的研究内容及结构安排 |
| 2 基于内容的图象检索的主要研究技术 |
| 2.1 引言 |
| 2.2 图象特征的提取与表达 |
| 2.3 图象相似度度量方法 |
| 3 二值图象的NMI特征及其提取方法 |
| 3.1 二值图象的NMI特征 |
| 3.2 图象NMI不变性特征序列的提取 |
| 3.3 试验结果与分析 |
| 3.4 小结 |
| 4 二值图象的信息熵特征及其提取方法 |
| 4.1 信息熵的表示 |
| 4.2 信息熵的性质 |
| 4.3 图象的熵 |
| 4.4 二值图象的熵及特征提取 |
| 4.5 小结 |
| 5 商标图象检索流程及检索算法 |
| 5.1 引言 |
| 5.2 商标图象检索流程 |
| 5.3 检索算法 |
| 5.4 实验结果与分析 |
| 6 基于相关反馈的二值商标图象检索算法 |
| 6.1 相关反馈提出的背景及分类 |
| 6.2 相关反馈的关键技术 |
| 6.3 基于NMI和信息熵特征的二值商标图象相关反馈检索算法 |
| 7 总结与展望 |
| 致谢 |
| 参考文献 |
（8）基于内容的图象检索研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 基于内容的图象检索简介 |
| 1.2 基于内容的图象检索系统 |
| 1 着名的图象检索系统的介绍 |
| 2 CBIR系统的应用领域 |
| 3 未来主要研究方向 |
| 1.3 本文的主要研究工作 |
| 第二章 基于内容的图象检索中的关键技术 |
| 2.1 CBIR系统的系统结构 |
| 2.2 图象数据库的体系结构 |
| 2.3 CBIR各种索引技术及相似性度量 |
| 1 颜色特征 |
| 2 纹理特征 |
| 3 形状特征 |
| 4 其他特征 |
| 2.4 相似性度量 |
| 2.5 性能评价 |
| 1 性能评价的方法 |
| 2 图象集 |
| 2.6 相关反馈 |
| 第三章 基于区域形状的图象检索 |
| 3.1 概述 |
| 3.2 特征提取 |
| 1 主要区域分割 |
| 2 形状表示 |
| 3.3 相似性度量 |
| 3.4 索引模式和查询 |
| 1 形状索引 |
| 2 查询 |
| 3.5 小结 |
| 第四章 系统实现 |
| 4.1 系统框架 |
| 4.2 图象入库 |
| 4.3 图象查询 |
| 4.4 实验结果和性能分析 |
| 第五章 总结和展望 |
| 5.1 总结 |
| 5.2 展望 |
| 致谢 |
| 主要参考文献 |
（9）基于颜色的图象检索系统的研究与实现（论文提纲范文）
| 第一章 基于内容的图象检索的研究现状及其发展方向 |
| 1.1 引言 |
| 1.2 基于内容的图象检索 |
| 1.2.1 概念 |
| 1.2.2 特点 |
| 1.2.3 目的和问题 |
| 1.3 基于内容的图象检索技术 |
| 1.3.1 基于颜色特征的检索技术 |
| 1.3.2 基于纹理的检索技术 |
| 1.3.3 基于边缘草图的检索技术 |
| 1.3.4 基于形状的检索技术 |
| 1.3.5 基于空间关系的检索技术 |
| 1.3.6 基于非视觉特征的检索技术 |
| 1.4 图象检索的应用领域 |
| 1.5 图象检索系统的功能和性能 |
| 1.6 国内外已开发出的原型系统 |
| 1.6.1 QBIC系统 |
| 1.6.2 Photobook系统 |
| 1.6.3 CORE系统 |
| 1.6.4 VisualSEEK和WebSEEK系统 |
| 1.7 国内研究状况 |
| 1.8 未来主要研究方向 |
| 1.8.1 综合多特征的检索技术 |
| 1.8.2 高维索引技术 |
| 1.8.3 性能评价准则 |
| 1.9 本课题的研究工作 |
| 1.9.1 研究的内容 |
| 1.9.2 采用的开发方法 |
| 第二章 图象的预处理 |
| 2.1 形成图象质量下降的原因 |
| 2.2 图象的锐化处理 |
| 2.3 噪声消除的平滑化处理 |
| 2.4 图象的色彩增强处理 |
| 第三章 常用的颜色空间 |
| 3.1 颜色模型的选取及转化 |
| 3.2 RGB颜色空间 |
| 3.2.1 彩色图象的R、G、B各分量的图示 |
| 3.3 HSI颜色空间 |
| 3.3.1 从RGB转换到HSI |
| 3.3.2 从HSI转换到RGB |
| 3.3.3 彩色图象的H、S、I各分量的图示 |
| 3.4 HSV颜色空间 |
| 3.4.1 从RGB转换到HSV |
| 3.4.2 彩色图象的H、S、V各分量的图示 |
| 3.5 YUV颜色模型 |
| 3.5.1 从RGB转化到YUV |
| 3.5.2 彩色图象的Y、U、V各分量的图示 |
| 第四章 图象的相似性度量 |
| 4.1 图象的相似度 |
| 4.2 相似度计算公式 |
| 4.2.1 距离相似测度 |
| 4.2.2 相关相似测度 |
| 4.3 图象检索的有效评价 |
| 第五章 基于颜色的图象检索技术 |
| 5.1 采用颜色检索方法的目的 |
| 5.2 颜色直方图检索示例表示 |
| 5.3 颜色直方图的实现 |
| 5.3.1 Swain和Ballard的直方图相交算法 |
| 5.3.2 基于子块颜色直方图方法 |
| 5.3.3 基于子块颜色直方图算法的实现 |
| 5.3.4 查询界面 |
| 5.3.5 查询结果 |
| 5.3.6 结果分析 |
| 5.4 颜色对的方法 |
| 5.4.1 颜色对的基本思想 |
| 5.4.2 颜色对的检索方法 |
| 5.4.3 对颜色对方法的改进 |
| 5.4.4 基于颜色对算法的实现 |
| 5.4.5 相似度查询 |
| 5.4.6 查询结果 |
| 5.4.7 结果分析 |
| 5.5 HSV颜色空间检索法 |
| 5.5.1 HSV颜色空间的量化 |
| 5.5.2 颜色特征的匹配 |
| 5.5.3 查询界面与结果 |
| 5.5.4 结果分析 |
| 第六章 系统功能与实现 |
| 6.1 系统组成 |
| 6.2 系统功能 |
| 6.3 实验系统界面及菜单结构 |
| 6.3.1 实验系统界面 |
| 6.3.2 实验菜单结构 |
| 结束语 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的论文和参加的项目 |
| 附录 |
（10）基于Internet的图象检索的研究——商用商标检索系统的设计与实现（论文提纲范文）
| 第一章 绪论 |
| 1.1 研究工作的意义和背景 |
| 1.2 目前已有的研究成果 |
| 1.3 本文研究方法的提出 |
| 1.4 本文结构、主要工作和创新点 |
| 第二章 基于内容图象检索的理论研究与实现基础 |
| 2.1 基于内容图象检索技术的提出 |
| 2.1.1 数字图象技术的发展历史 |
| 2.1.2 图象数据的需要 |
| 2.1.3 图象查询的特性 |
| 2.2 基于内容图象检索的定义 |
| 2.2.1 基于文本的图象检索方法 |
| 2.2.2 基于内容的图象检索方法 |
| 2.2.3 CBIR和人工索引的比较 |
| 2.2.4 基于内容图象检索技术实现的几个途径 |
| 2.2.5 有关CBIR的标准 |
| 2.2.6 基于内容的图象检索的应用 |
| 第三章 基于内容图象检索的关键技术 |
| 3.1 多媒体图象数据库 |
| 3.1.1 简介 |
| 3.1.2 图象数据模型 |
| 3.1.3 传统的数据模型和扩展的传统数据模型 |
| 3.1.4 扩展的关系数据库技术 |
| 3.2 数学形态学应用于图象检索的关键技术研究 |
| 3.2.1 数学形态学简介 |
| 3.2.2 数学形态学关键技术分析 |
| 3.3 图象的颜色直方图 |
| 第四章 基于内容的商标检索系统的设计 |
| 4.1 基于内容的商标检索系统的简要介绍 |
| 4.2 基于内容的商标检索系统的整体结构 |
| 4.3 基于内容的商标检索系统的关键算法 |
| 4.3.1 商标图象检索前的预处理 |
| 4.3.2 商标图象内容的表示方法 |
| 4.3.3 图象数据库压缩容量空间的存储方法 |
| 4.3.4 基于颜色环的商标图象特征提取方法 |
| 4.3.5 商标图象的匹配检索算法 |
| 第五章 基于内容的商标检索系统的软件实现及结果分析 |
| 5.1 开发平台 |
| 5.2 图象编程的概念与方法 |
| 5.3 面向对象的系统设计 |
| 5.4 数据库的组织管理 |
| 5.5 提供友好的人机界面 |
| 5.6 商标图象检索系统的演示与性能分析 |
| 5.6.1 商标图象检索系统的演示与性能分析 |
| 5.6.2 商标检索系统的统计结果分析 |
| 结束语 |
| 致谢 |
| 参考文献 |
四、基于Internet的图象检索的研究——商用商标检索系统的设计与实现（论文参考文献）
- [1]基于形状特征的商标图像检索系统[D]. 康娜. 北京理工大学, 2016(06)
- [2]基于形状的图像匹配及商标图形检索系统的研究[D]. 曾硕. 湖南大学, 2015(03)
- [3]基于内容的商标检索技术研究[D]. 章文. 南京航空航天大学, 2010(08)
- [4]基于图像识别的商标检索系统设计与实现[D]. 邬惠远. 电子科技大学, 2010(03)
- [5]基于内容的商标检索技术研究[D]. 朱洪臣. 南京航空航天大学, 2009(S2)
- [6]基于图像检索的商标注册应用系统的设计与实现[D]. 任永华. 解放军信息工程大学, 2008(07)
- [7]基于NMI和熵特征的二值商标图象检索方法研究[D]. 王振海. 山东科技大学, 2004(01)
- [8]基于内容的图象检索研究[D]. 张天红. 西北工业大学, 2004(03)
- [9]基于颜色的图象检索系统的研究与实现[D]. 周国华. 扬州大学, 2003(04)
- [10]基于Internet的图象检索的研究——商用商标检索系统的设计与实现[D]. 余斌. 西安电子科技大学, 2002(02)