专利名称：一种基于空间连通域预定位的商标检测方法
技术领域：
本发明涉及目标检测与识别技术领域，尤其是一种基于空间连通域预定位的商标检测方法，可以用于快速商标检测、商标检索、识别和监控。
背景技术：
商标检测与识别是目标检测与识别领域中具有挑战性的任务之一。如何在受尺度变换、视角变换、光照、遮挡、背景干扰等影响下，准确的检测并定位识别出商标是一项挑战性的任务。目前，各种信息媒体得到了迅猛的发展，比如电视，广播，网络等。这些信息媒体中每天都充斥着大量的广告信息，加上现在商标数量众多，如何对这些广告信息进行有效的管理和监控，以保证消费者和商家的安全得到进一步的重视。基于空间连通域预定位的快速商标检测方法就是为了满足信息安全领域图片和视频中广告监控要求的。
大部分目标检测与识别采用多尺度滑动窗口搜索的方式搜索目标，传统的商标检测也采用这个方法，该方法只是简单的遍历搜索，因此带来大量无用的计算，并且随着图片维度的增大检测时间变长，这些都相当不利于实时性检测的应用。有些现有技术还采用目标训练的方法，但是对于商标这种可能存在上万种类型的图片来说，如果每一种图片都训练的话，需要大量的图片，这非常不利于实际的应用。
发明内容
为了达到快速准确检测的目的，本发明区别于以上的现有技术，从商标本身的特点出发，提出了一种基于空间连通域预定位的商标检测方法。本发明提出的一种基于空间连通域预定位的商标检测方法，其特征在于，该方法包括以下步骤步骤I，建立包含多个商标图片的商标图片样本库；步骤2，为商标图片样本库中的商标图片建立空间连通域描述子SCCD特征；步骤3，输入含有目标商标的测试图片，对于所述测试图片，建立其CCD特征；步骤4，利用所述步骤2得到的商标图片的SCCD特征在测试图片中获取商标预定位区域LPRs ；步骤5，利用基于商标颜色及形状信息建立的特征对所述步骤4得到的商标预定位区域与所述商标图片数据库中的商标图片进行商标匹配，匹配成功的商标预定位区域即为测试图片中最终检测得到的商标；其中，所述步骤2进一步包括以下几个步骤步骤2. 4，利用商标的颜色具有一定区域性的特性，获取商标图片中除了背景色之外的颜色连通域作为有效连通域；步骤2. 6，根据所述步骤2. 4得到所有的有效连通域，对商标图片建立SCXD特征，所述SCCD特征包括连通域预测模型和有效连通域像素分布直方图这两个特征；所述步骤3中建立测试图片的CXD特征的步骤进一步包括以下步骤
步骤3. 2，利用商标的颜色具有一定区域性的特性，获取测试图片中除了背景色之外的颜色连通域作为主要连通域；步骤3. 3，对所述步骤3. 2得到的主要连通域进行灰度空间的连通域分割，得到测试图片的有效连通域；步骤3. 4，根据所述步骤2. 6计算测试图片每个有效连通域的CXD特征；所述步骤4进一步分为两个步骤步骤4. 1，基于预测模型搜索测试图片中的商标预定位区域LPRs ；步骤4. 2，基于像素分布直方图筛选搜索到的LPRs。本发明方法充分利用商标的颜色、形状和区域特征对商标进行检测和定位识别， 进一步提高了商标检测与定位识别的速度和精度，同时在目标受尺度变换、一定情况下的视角变换、光照、遮挡、背景干扰等影响下对商标的检测具有良好的效果。
图I是本发明基于空间连通域预定位的商标检测方法的流程图。图2是商标图片样本库中的一些商标图片示例。图3是获取空间连通域描述子(SCXD)特征的流程图。图4是建立SCXD特征的示意图。图5是获得百事可乐的LPR的示意图。图6是分块颜色直方图的分块示意图。图7是利用本发明方法的待测图片检测时间随图片面积变化的曲线图。图8是本发明方法与传统方法的精度-召回率对比曲线图。图9是利用本发明在待测图片数据库中的测试结果示意图。
具体实施例方式为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。本发明提出了一种基于空间连通域预定位的商标检测方法，该方法将商标连通域及其空间关系特征相结合进行商标预定位的快速检测与定位识别。图I是本发明基于空间连通域预定位的快速商标检测方法的流程图，如图I所示，本发明基于空间连通域预定位的快速商标检测方法包括以下步骤步骤I，建立包含多个商标图片的商标图片样本库；由于本发明的目的是商标检测，即检测待测图片中是否含有目标商标，因此商标图片样本库中目标商标图片的数量依据实际检测需求而定。图2列出了本发明商标图片样本库中的部分商标图片，从这些商标图片中可以看出，商标的背景都是白色，商标的主体颜色不受外界因素的影响，比如光照。同时商标的边界清晰，容易从背景中分割出来。商标图片样本库中的商标图片的尺寸大约在100X100左右，这样大部分的商标细节都可以清晰的保留下来。另外，商标图片样本库中的商标图片作为商标识别的基础，应该尽可能的清晰，这样才能保证从中提取的特征的准确性。
步骤2，为商标图片样本库中所有的商标图片建立空间连通域描述子(SCCD)特征；图3是获取空间连通域描述子(SCXD)特征的流程图，如图3所示，所述步骤2进一步包括以下几个步骤步骤2. 1，将商标图片从红绿蓝RGB空间转换到色调饱和度亮度HSV空间；HSV空间的转换为本领域的通用技术，在此不再赘述。步骤2. 2，对转换到HSV空间的商标图片进行8种颜色的量化(比如可以为黑白红绿黄蓝橘粉)，得到经过8种颜色量化后的商标图片；本发明参考文献“Content-basedretrieval of logo and trademarksin unconstrained color image databases using Color Edge GradientCo-occurrence Histograms(R. Phan and D. Androutsos, Computer Vision and Image Understanding (114)，pp. 66-84，2010) ”中的HSV颜色量化过程对转换到HSV空间的商标图片进行8种颜色的量化，但本发明与该文献中的方法不同的是，本发明舍弃了文献中使用的灰色，即只将非彩色像素量化为黑色和白色，其他处理过程均与所述文献的处理过程—致。步骤2. 3，判断经过量化后的商标图片的背景色及噪声颜色，并对商标图片进行颜色平滑处理，以减少噪声颜色的影响；所述步骤2. 3进一步包括以下几个步骤步骤2. 3. 1，取量化后的商标图片四个角上尺寸为5X5的颜色块，将每个颜色块中像素数目最多的颜色作为该颜色块的主颜色，将四个颜色块的主颜色中出现次数大于2的颜色作为该商标图片的背景色，同时将白色默认为背景色之一；步骤2. 3. 2，将经过HSV颜色量化后的商标图片中像素数目少于20的颜色判定为噪声颜色；步骤2. 3. 3，针对某噪声颜色像素，利用其周围8个像素中出现次数最多的那个非噪声颜色对该噪声颜色像素的颜色进行赋值，从而实现对商标图片的颜色平滑。步骤2. 4，利用商标的颜色具有一定区域性的特性，获取商标图片中除了背景色之外的颜色连通域作为有效连通域；图4(a)所示的商标图片中，除了背景白色之外，还有红色和蓝色两种颜色，因此形成I和2两个颜色连通域，将这些颜色连通域认为是有效连通域。步骤2. 5，将所有有效连通域按照面积从大到小排序并编号，将排名前五的有效连通域作为锚点连通域； 如果有效连通域的面积相同，则随机对其进行编号。如图4(a)、(b)所示，商标图片中的有效连通域按照面积从大到小编号为I和2，如图4(c)、(d)所示,商标图片中的有效连通域按照面积从大到小编号为1、2、3和4。然后将排名前五的有效连通域作为锚点连通域，用于后续测试图片中的商标定位，如果有效连通域的数量不足5个，则全部的有效连通域均作为锚点连通域。步骤2. 6，根据所述步骤2. 4得到所有的有效连通域，对商标图片建立SCXD特征；所述SCXD特征包括连通域预测模型和有效连通域像素分布直方图这两个特征。前者利用各个连通域颜色及其空间位置关系来表示连通域之间的组合关系，后者则表示了商标中有效连通域的像素分布情况。两者分别从不同角度对商标的布局进行了描述。所述连通域预测模型特征分为两部分，分别为锚点连通域组合特征和有效连通域空间集特征。第一部分，锚点连通域组合的特征用颜色-锚点连通域组合集来进行描述，即同种颜色下锚点连通域的排列组合，例如，图4(c)所示的商标图片的颜色-锚点连通域组合集可以描述为{红一[⑴，(2)，(3)，(4)，(12)，(13)，(14)，(23)，(24)，(34)，(123)，(124)，(134)，(234)]}。对于所述组合集中的每个颜色-锚点连通域组合，记录其颜色、外接矩形框标识、锚点连通域组合总面积、边界点-质心距离角度直方图等信息。其中，某一锚点连通域的外接矩形框是将该锚点连通域全部紧密包括在内的最小 矩形框，某一锚点连通域的外接矩形框的标识与锚点连通域的编号相对应，比如锚点连通域I的外接矩形框的标识可以取为R1，如图4所示。边界点-质心距离角度直方图中，边界点为每个锚点连通域组合中所有锚点连通域的边界点总和，质心为该锚点连通域组合所对应的外接矩形框的中心点，距离为每个边界点与相应的外接矩形框的中心点之间的欧氏距离，角度为每个边界点与相应的外接矩形框的中心点相对水平方向的夹角。所述边界点-质心距离角度直方图的维数可根据实际需要来确定，比如，为了满足一定精细度的需求，本发明建立一个维数为10X12(即距离的维数为10，角度的维数为12)的边界点-质心距离角度直方图，为了方便得到所述边界点-质心距离角度直方图，可将所求得的最长欧式距离分为10等分，将所有计算得到的欧式距离除以10等分后的长度，得到该欧式距离在该直方图中距离方向上所在的区域；将所有计算得到的角度除以30°，得到该角度在该直方图中角度方向上所在的区域，最终通过统计每一区域中所包含的像素点，就可以得到维数为IOX 12的边界点-质心距离角度直方图。当商标在测试图片中的面积较小时，同种颜色的有效连通域可能粘合，而锚点连通域组合就可以处理这种情况；第二部分，有效连通域空间集的特征用外接矩形框-锚点连通域关系来描述，即锚点连通域的外接矩形框与其中所包含的锚点连通域的关系。当某个锚点连通域的外接矩形框被另一个锚点连通域的外接矩形框完全包含时，该锚点连通域计入大的外接矩形框所对应的连通域中，例如图4(b)中的锚点连通域2的外接矩形框R2被锚点连通域I的外接矩形框Rl完全包含，那么图4(b)所示的商标图片的外接矩形框-锚点连通域关系可以描述为{Rl-(12)};再比如，图4(c)所示的商标图片的外接矩形框-锚点连通域关系可以描述为{R1- (14)，R2-⑵，R3- (3)}。有效连通域像素分布直方图用于筛选商标预定位区域(LPRs)，所述有效连通域像素分布直方图的建立具体包括以下几个步骤步骤2. 6. 1，如图4(d)所示，将商标图片均匀分为4分块；步骤2. 6. 2，将每一分块在水平和垂直方向上均等分为8份(bin)，将商标图片有效连通域中的像素依据其横纵坐标位置落到对应的bin中，形成两个8维的像素分布直方图，依次对每一块进行上述操作，最终获得4分块的总计8个8维的像素分布直方图；步骤2. 6. 3，利用每一分块的面积对其相应的像素分布直方图进行归一化，这样对于每幅商标图片都得到8个8维的归一化像素分布直方图，则每幅商标图片的有效连通域像素分布直方图为64维(8X8 = 64)，这就在一定程度上描述了商标的空间分布信息。步骤3，输入含有目标商标的测试图片，对于所述测试图片，建立其连通域描述子(CCD)特征；建立测试图片的连通域描述子(CXD)特征的步骤进一步包括以下步骤步骤3. 1，将测试图片按照与商标图片样本一样的处理方式进行HSV空间转换、颜色量化和颜色平滑(如步骤2. I-步骤2. 3所述)；步骤3. 2，根据所述步骤2. 4，利用商标的颜色具有一定区域性的特性，获取测试图片中除了背景色之外的颜色连通域作为主要连通域；步骤3. 3，对所述步骤3. 2得到的主要连通域进行灰度空间的连通域分割，得到测试图片的有效连通域； 所述步骤3. 3进一步包括以下步骤步骤3. 3. 1，将测试图片变换到灰度空间；该步骤中，灰度空间的转换为通用技术，在此不再赘述。步骤3. 3. 2，对所述主要连通域进行灰度空间的连通域面积的检测，如果一主要连通域的面积大于一定阈值(比如100)且其灰度值方差大于一定值(比如50)，则利用大津法对该主要连通域进行灰度空间分割，得到分割后的两个子连通域；所述大津法分割为本领域的通用技术，具体方法描述请参考文献“A thresholdselection method from gray level histograms,，，N. Otsu, , IEEE TransactionsonSystems Man and Cybernetics (9), pp. 62-66,1979,此处不再赞述。步骤3. 3. 3，若所述两个子连通域的平均灰度值差值大于一定阈值(比如50)，则用分割后得到的这两个子连通域覆盖分割前的那个主要连通域；步骤3. 3. 4，按照所述步骤3. 3. 2和步骤3. 3. 3将所有的主要连通域进行分割，直到不能再分为止，然后去掉面积过于小(比如小于30)的连通域，剩下的即为测试图片的有效连通域；步骤3. 4，根据所述步骤2. 6计算测试图片每个有效连通域的C⑶特征，包括颜色、面积、外接矩形框和边界点-质心距离角度直方图(过程类似步骤2. 5)。步骤4，利用所述步骤2得到的商标图片的SCCD特征在测试图片中获取商标预定位区域LPR ； 所述步骤4进一步分为两个步骤步骤4. 1，基于预测模型搜索测试图片中的商标预定位区域LPRs ；图5给出了基于预测模型搜索LPRs的示意图，所述步骤4. I具体包括以下几个步骤步骤4. I. 1，根据下面的公式⑴和⑵计算同种颜色下，商标图片样本库中的商标图片样本的锚点连通域组合与测试图片的有效连通域之间的外接矩形框的宽高比相似度，其中，所述宽高比相似度包括测试图片中的有效连通域的宽高比和商标图片样本的锚点连通域组合的宽高比的差值S1(Rtc^Rlc)和测试图片中的有效连通域和商标图片样本的锚点连通域组合对应宽比值和高比值的差值S2 (Rt。，Rlc)，若S1O^, Rlc) S2 (Rtc, Rlc)同时小于各自相应的阈值，则说明两者相似
S1 (Rtc, Rlc) = Wtc/Htc-fflc/Hlc < Tl(I)S2 (Rtc, Rlc) = Wtc/Wlc-Htc/Hlc < T2(2)其中，为下标tc、Ic分别表示测试图片中的有效连通域和商标图片样本的锚点连通域组合；R表示外接矩形框，W和H分别表示外接矩形框的宽和高，T1、T2为阈值，Tl可取值为0. 8，T2可取值为0.5。步骤4. I. 2，根据公式(3)计算通过所述步骤4. 2判断为相似的测试图片和商标图片样本的边界点-质心距离角度直方图的相似度S3(ht。, hlc;),如果S3Qitc^hk)大于一阈值，则认为两者匹配，得到匹配图片对
权利要求
1.一种基于空间连通域预定位的商标检测方法，其特征在于，该方法包括以下步骤 步骤I，建立包含多个商标图片的商标图片样本库； 步骤2，为商标图片样本库中的商标图片建立空间连通域描述子SCCD特征； 步骤3，输入含有目标商标的测试图片，对于所述测试图片，建立其CCD特征； 步骤4，利用所述步骤2得到的商标图片的SCCD特征在测试图片中获取商标预定位区域 LPRs ； 步骤5，利用基于商标颜色及形状信息建立的特征对所述步骤4得到的商标预定位区域与所述商标图片数据库中的商标图片进行商标匹配，匹配成功的商标预定位区域即为测试图片中最终检测得到的商标； 其中，所述步骤2进一步包括以下几个步骤 步骤2. 4，利用商标的颜色具有一定区域性的特性，获取商标图片中除了背景色之外的颜色连通域作为有效连通域； 步骤2. 6，根据所述步骤2. 4得到所有的有效连通域，对商标图片建立SCCD特征，所述SCCD特征包括连通域预测模型和有效连通域像素分布直方图这两个特征； 所述步骤3中建立测试图片的CCD特征的步骤进一步包括以下步骤 步骤3. 2，利用商标的颜色具有一定区域性的特性，获取测试图片中除了背景色之外的颜色连通域作为主要连通域； 步骤3. 3，对所述步骤3. 2得到的主要连通域进行灰度空间的连通域分割，得到测试图片的有效连通域； 步骤3. 4，根据所述步骤2. 6计算测试图片每个有效连通域的CCD特征； 所述步骤4进一步分为两个步骤 步骤4. 1，基于预测模型搜索测试图片中的商标预定位区域LPRs ； 步骤4. 2，基于像素分布直方图筛选搜索到的LPRs。
2.根据权利要求I所述的方法，其特征在于，所述步骤2在所述步骤2.4之前还包括以下几个步骤 步骤2. 1，将所述商标图片从红绿蓝RGB空间转换到色调饱和度亮度HSV空间； 步骤2. 2，对转换到HSV空间的商标图片进行8种颜色的量化，得到经过8种颜色量化后的商标图片； 步骤2. 3，判断经过量化后的商标图片的背景色及噪声颜色，并对商标图片进行颜色平滑处理，以减少噪声颜色的影响。
3.根据权利要求2所述的方法，其特征在于，所述8种颜色为黑白红绿黄蓝橘粉。
4.根据权利要求2所述的方法，其特征在于，所述步骤2.3进一步包括以下几个步骤 步骤2. 3. 1，取量化后的商标图片四个角上尺寸为5X5的颜色块，将每个颜色块中像素数目最多的颜色作为该颜色块的主颜色，将四个颜色块的主颜色中出现次数大于2的颜色作为该商标图片的背景色，同时将白色默认为背景色之一； 步骤2. 3. 2，将经过HSV颜色量化后的商标图片中像素数目少于20的颜色判定为噪声颜色； 步骤2. 3. 3，针对某噪声颜色像素，利用其周围8个像素中出现次数最多的那个非噪声颜色对该噪声颜色像素的颜色进行赋值，以对商标图片进行颜色平滑。
5.根据权利要求I所述的方法，其特征在于，所述步骤2在所述步骤2.4之后进一步包括 步骤2. 5，将所有有效连通域按照面积从大到小排序并编号，将排名前五的有效连通域作为锚点连通域。
6.根据权利要求I所述的方法，其特征在于，所述连通域预测模型特征分为锚点连通域组合特征和有效连通域空间集特征，其中，所述锚点连通域组合特征用颜色-锚点连通域组合集，即同种颜色下锚点连通域的排列组合来进行描述；所述有效连通域空间集特征用外接矩形框-锚点连通域关系，即锚点连通域的外接矩形框与其中所包含的锚点连通域的关系来描述。
7.根据权利要求6所述的方法，其特征在于，所述步骤2.6进一步还包括对于所述组合 集中的每个颜色-锚点连通域组合，记录其颜色、外接矩形框标识、锚点连通域组合总面积和边界点-质心距离角度直方图信息；其中， 某一锚点连通域的外接矩形框是将该锚点连通域全部紧密包括在内的最小矩形框； 边界点-质心距离角度直方图中，边界点为每个锚点连通域组合中所有锚点连通域的边界点总和，质心为该锚点连通域组合所对应的外接矩形框的中心点，距离为每个边界点与相应的外接矩形框的中心点之间的欧氏距离，角度为每个边界点与相应的外接矩形框的中心点相对水平方向的夹角。
8.根据权利要求6所述的方法，其特征在于，在所述有效连通域空间集中，当某个锚点连通域的外接矩形框被另一个锚点连通域的外接矩形框完全包含时，该锚点连通域计入大的外接矩形框所对应的连通域中。
9.根据权利要求I所述的方法，其特征在于，所述有效连通域像素分布直方图的建立进一步包括以下几个步骤 步骤2. 6. 1，将商标图片均匀分为4分块； 步骤2. 6. 2，将每一分块在水平和垂直方向上均等分为8份，将商标图片有效连通域中的像素依据其横纵坐标位置落到对应的份中，形成两个8维的像素分布直方图，依次对每一块进行相同的操作，最终获得4分块的总计8个8维的像素分布直方图； 步骤2. 6. 3，利用每一分块的面积对其相应的像素分布直方图进行归一化，则得到每幅商标图片的64维的有效连通域像素分布直方图。
10.根据权利要求2所述的方法，其特征在于，所述步骤3中，在所述步骤3.2之前进一步包括 步骤3. 1，按照所述步骤2. I-步骤2. 3，对测试图片进行HSV空间转换、颜色量化和颜色平滑。
11.根据权利要求I所述的方法，其特征在于，所述步骤3.3进一步包括以下步骤 步骤3. 3. 1，将测试图片变换到灰度空间； 步骤3. 3. 2，对所述主要连通域进行灰度空间的连通域面积的检测，如果一主要连通域的面积大于一定阈值且其灰度值方差大于一定值，则利用大津法对该主要连通域进行灰度空间分割，得到分割后的两个子连通域； 步骤3. 3. 3，若所述两个子连通域的平均灰度值差值大于一定阈值，则用分割后得到的 这两个子连通域覆盖分割前的那个主要连通域；步骤3. 3. 4，按照所述步骤3. 3. 2和步骤3. 3. 3将所有的主要连通域进行分割，直到不能再分为止，然后去掉面积过于小的连通域，剩下的即为测试图片的有效连通域。
12.根据权利要求I所述的方法，其特征在于，所述步骤4.I进一步包括以下几个步骤 步骤4. I. 1，计算同种颜色下，商标图片样本库中的商标图片样本的锚点连通域组合与测试图片的有效连通域之间的外接矩形框的宽高比相似度，若所述相似度满足一定的阈值条件，则说明该商标图片样本与该测试图片相似； 步骤4. I. 2，计算通过所述步骤4. 2判断为相似的测试图片和商标图片样本的边界点-质心距离角度直方图的相似度，如果所述相似度大于一阈值，则认为该商标图片样本与该测试图片匹配，从而得到匹配图片对； 步骤4. I. 3，利用商标图片样本的锚点连通域在商标图片样本中的相对位置和所述步骤4. 2得到的匹配图片对之间的面积比例，得到测试图片中与所述锚点连通域匹配的有效连通域所在的区域矩形框，该区域矩形框作为测试图片中的商标预定位区域。
13.根据权利要求12所述的方法，其特征在于，所述宽高比相似度包括测试图片中的有效连通域的宽高比和商标图片样本的锚点连通域组合的宽高比的差值S1 (Rt。，Rlc)、测试图片中的有效连通域和商标图片样本的锚点连通域组合对应宽比值和高比值的差值S2 (Rtc > Ric): S1 (Rtc,Rlc) =Wtc/Htc-Wlc;/Hlc;， S2(Rtc,Rlc) = Wtc/fflc-Htc/Hlc, 其中，下标tc、Ic分别表示测试图片中的有效连通域和商标图片样本的锚点连通域组合；R表示外接矩形框，W和H分别表示外接矩形框的宽和高。
14.根据权利要求13所述的方法，其特征在于，所述阈值条件为=S1(Rtc^Rlc)和32汍。，Ric)同时小于各自相应的阈值。
15.根据权利要求12所述的方法，其特征在于，所述步骤4.I. 2中，测试图片和商标图片样本的边界点-质心距离角度直方图的相似度S3(ht。，hlc)按照下式来计算
16.根据权利要求9所述的方法，其特征在于，所述步骤4.2进一步包括以下几个步骤 步骤4. 2. 1，对于所有获得的LPRs，按照下式计算两个LPR重合区域的面积分别占两个LPR的比例rt和ra rt = S0/St, ra = S0/Sa, 其中，S0是两个LPR重合区域的面积，St和Sa分别是两个LPR各自的面积； 若满足rt > T4&&ra > T4，则将这两个LPR合并，代替之前的那两个LPR ； 对所有的LPRs按照相同的方法进行合并，直到不能合并为止； 步骤4. 2. 2，依次对经过所述步骤4. 2. I得到的每个LPR进行如下操作 根据商标图片样本与该LPR的面积比例，将商标图片样本有效连通域空间集中的所有外接矩形框投影到该LPR中，如果该LPR中存在某一个连通域的80%以上的区域处于某个外接矩形框中时，则认为该连通域是疑似商标连通域； 步骤4. 2. 3，按照所述步骤2. 6. 1-2. 6. 3，对于所述步骤4. 2. 2得到的疑似商标连通域计算其有效像素分布直方图； 步骤4. 2. 4，将所述步骤4. 2. 3得到的有效像素分布直方图与商标图片样本的有效像素分布直方图以欧氏距离为相似度度量来进行相似度匹配测试，得到满足一定相似度阈值要求的LPR。
17.根据权利要求I所述的方法，其特征在于，所述步骤5中，基于商标颜色及形状信息 建立的特征为分块颜色直方图和颜色边界梯度共生直方图CEGCH。
18.根据权利要求I所述的方法，其特征在于，所述步骤5进一步包括以下步骤 步骤5. 1，在获取到所有的LPR后，分别提取LPR和所述商标图片数据库中的商标图片的分块颜色直方图和颜色边界梯度共生直方图； 步骤5. 2，计算LPR和所述商标图片数据库中的商标图片的分块颜色直方图相似度S (CQ, Cl)和 CEGCH 相似度 S (CHQ, CHl)； 步骤5. 3，根据计算得到的S (CQ，Cl)和S(CHq，CHl)计算LPR和所述商标图片数据库中的商标图片的综合相似度S(Q, L)S (Q，L) = (CQ, CL) + (1-ki) S (CHq, CHl)， 其中，Q代表所述商标图片数据库中的商标图片，即目标商标，L代表LPR，0 <lq< I. 0 ； 当综合相似度S(Q，L)大于某一阈值时，则认为当前的LPR即为最终检测得到的商标区域。
全文摘要
本发明公开了一种基于空间连通域预定位的商标检测方法。该方法包括以下步骤建立包含多个商标图片的商标图片样本库；为商标图片样本库中的商标图片建立空间连通域描述子SCCD特征；对于含有目标商标的测试图片，建立其CCD特征；利用商标图片样本库中商标图片的SCCD特征在测试图片中获取商标预定位区域LPRs；利用基于商标颜色及形状信息建立的特征对LPRs与所述商标图片数据库中的商标图片进行匹配，匹配成功的商标预定位区域即为最终检测得到的商标。本发明方法充分针对商标的特点，进一步提高了商标检测与定位识别的速度与精度，同时对于商标在受到尺度变换、视角变换、光照、遮挡、背景干扰等影响下的检测具有良好的效果。
文档编号G06F17/30GK102799653SQ20121022592
公开日2012年11月28日 申请日期2012年6月29日 优先权日2012年6月29日
发明者张树武, 张渊, 梁伟 申请人:中国科学院自动化研究所