Logo，即商标标识，其蕴含着公司文化，对公司起着至关重要的宣传作用。如何让人们快速的对一个公司的商标进行辨识，如何能够快速的了解一个商标所用蕴含的意义？随着图像采集设备的发展，人们随身携带的手机就可以轻松获得清晰的图像。通过图片，将图像中的Logo识别出来，便可以获取一系列关于商标的信息，使得商家更好地宣传自己，用户更好地了解产品。但是，图像中除了Logo本身还有其他复杂背景以及干扰因素。商标的识别属于数字图像处理范畴，通过对图像进行特征提取，通过图像匹配算法对商标进行识别。已有的商标识别方法，多数以图像特征直接匹配的方法，在背景干净的商标图像中具有较高的匹配正确率，而面对复杂背景下的商标图像，则很乏力。本文在对已有的SIFT图像特征直接匹配的基础上，通过调节边缘效应参数与特征点特征强弱参数，使其适应Logo商标的特征;并使用视觉词袋模型对Logo图像特征进行描述，解决了同一类物品的不同对象相似特征点与同一特征点重复匹配的问题。　　本文所做的主要工作:　　1.本文提出基于SIFT方法的Logo图像特征提取算法。根据Logo商标特征点的特点，对SIFT算法进行调整，以适应Logo的特征提取。　　2.本文提出应用bag of visual words的视觉词袋的特征描述模型。通过改进视觉词袋模型中词典的构造方法，对复杂图像的特征进行BoW描述。　　3.建立了Logo识别实验系统，对识别方法的各个过程结果分析。