基于深度学习的商标图像检索

发布时间：2021-01-21 22:22

　　随着经济的快速发展,企业数量的大幅增多,企业商标注册量也随之不断的增长,导致商标管理部门管理企业商标的难度加大。但如今商标管理部门对商标图像的管理方法依然是采取基于“分类号”的方法,这种方法不仅是检索精度低,而且检索效率也是不高的。传统的商标图像检索技术往往是提取商标图像的全局特征,接着利用这些特征进行图像的相识度匹配。但因为商标图像往往具有很强的抽象性和复杂性,使得利用手工设计的全局特征进行商标图像检索时会带来“语义鸿沟”的问题,图像检索系统的检索精度不高,召回率低。近年来,随着Hinton等人对深度神经网络模型进行优化以后,给图像检索领域的问题带来了新的解决方法。本文尝试利用深度学习领域的技术来解决商标图像检索领域的问题,并通过实验判断深度学习技术是否能解决商标图像检索中的“语义鸿沟”问题。本文主要工作和贡献如下:首先,通过收集大量的商标图像,搭建了一个大规模的商标图像库,并利用商标图像的几何特征将图像库分成六个特征类。其主要目的是用于商标图像的特征提取,也有助于以后研究人员对商标图像的研究。其次,研究深度学习领域的技术,并提出了一个基于深层卷积神经网络的商标图像特征提取方法,通过... 

【文章来源】：福建师范大学福建省

【文章页数】：69 页

【学位级别】：硕士

【部分图文】：

图１．１不同尺度和位置的商标??

商标是人工设计的图像，因此，不同的企业会根据自身需求设计出不同尺度大??小的图像。除此之外，商标图像在后期处理的时候也可能会有不同程度的旋转或者??镜像。就如图１．１所示，即便在人们看来三张图像是同一个商标，但对计算机而言??就是三张不同的图像，当计算机进行图像特征提取的时候，三张图像也会产生不同??的图像特征。这是我们不想看的情况，因此我们需要对图像进行归一化处理。根据??实际实验的需求，我们将所有的库内商标图像以及用户输入的商标图像同一将尺度??大小归一化为２２７＊２２７的大小。与此同时，还要对商标图像对一定的角度旋转操作。??图１．?２是图１．?１三张商标图像归一化后的结果。??＇??＿冊舖??ＨＵＡＷＥＩ?ＨＵＡＷＥＩ??图１．１不同尺度和位置的商标??７??

基于内容的商标图像检索关键技术??ＨＵＡＷＧＩ??图１．?３商标灰度化结果??１．３图像去噪处理??企业中，大部分人工设计的商标图像都存在着噪声的干扰，往往会因为噪声的??原因使得图像的质量降低，大的噪声甚至可能覆盖图像的内容信息。因此，通常我??们在图像检索或识别之前都要进行图像的去噪处理。图像噪声通常可以分为以下三??种：??（１）

【参考文献】：
期刊论文
[1]改进的邻域均值滤波去噪算法研究[J]. 牛秀琴.  长治学院学报. 2012(02)
[2]现代数字图像噪声滤除技术及其评价[J]. 刘勍,温志贤,杨筱平,秦云霞.  自动化与仪器仪表. 2012(02)
[3]基于距离融合的多特征商标图像检索[J]. 黄赛平,吴晓彬.  中国制造业信息化. 2009(07)
[4]GFO和不变矩实现基于形状的图像检索新方法[J]. 袁华,董守斌,张凌,张平.  华南理工大学学报(自然科学版). 2002(04)

博士论文
[1]基于形状匹配的商标图像检索技术研究[D]. 洪志令.厦门大学 2008

硕士论文
[1]基于深度学习的图像检索技术研究[D]. 刘洋.华中科技大学 2015



本文编号：2991986