论文部分内容阅读
随着近年来全球经济跨国、跨地区发展势头增加,商标数量逐年递增。以我国为例,据统计,2001年我国商标注册申请量为27万件,到2004年,年申请量翻了一番,达到58.8万件,截至2005年6月底,我国的注册商标累计总量已达237万件。商标申请数量的激增为商标审查工作带来了难度,也提出了更高的要求。目前的商业性数据库都以文字匹配算法为基础实现信息的检索。它们要求对图像和视频信息进行人工的文字标注,然后根据文字标注信息实现内容的自动检索。但是当图像或视频信息量巨大时,人工标注的花费将是无法承受的。基于人工编码的商标查询方式难以满足检索的实时性和准确性要求,因此迫切需要建立一种准确、高效的商标图像自动检索系统。集对分析理论是近几年受到学术界关注的一种软计算方法,可有效地分析和处理不确定信息,集对分析已经在决策、预测、数据融合、不确定性推理、产品设计、网络计划、综合评价等领域得到较为成功的应用。但是集对分析理论在图像检索方面的应用相对较少,为此,本文的主要研究工作就是对集对分析理论进行深入研究,并利用它把不确定与确定性作为一个既确定又不确定的同异反系统的思想方法及其在综合评价领域获得的成功,对商标图像检索系统进行改进,并设计了一套基于综合特征检索的商标图像检索原型系统,其主要研究工作如下:(1)改进了一种基于集对分析联系势的图像边缘检测算法,实验结果表明,在对图像不做任何预处理的情况下,改进算法比文献算法检测的图像边缘准确,清晰,且对噪声的抑制能力强。(2)针对商标形状特征在旋转及放缩以及起始点等变化下的不变性特性,本文基于集对分析的综合评价理论提出了一种图像检索相关反馈算法,该算法首先提取5个特征,并对其权重初始化,然后集对分析决策模型修改权重,直到用户结束反馈。最后在PVR指数方面比较了本文算法与利用Hu矩为特征向量的算法,实验证明该方法具有良好的旋转及放缩不变性,并用有较强的抗噪性。(3)为了检验本文提出的基于集对分析的商标图像检索方法的有效性,设计实现了一个商标图像检索原型系统。系统处理过程的中间变量可以给相关反馈提供机器学习的训练数据,提高了有效数据的挖掘能力。