基于内容的商标图像检索论文：基于内容的商标图像检索技术的研究

基于内容的商标图像检索论文：基于内容的商标图像检索技术的研究 【中文摘要】随着信息和网络技术的发展,以及多媒体技术的应用和推广,产生了大量各式各样的视觉内容。图像作为这些视觉内容中的一个重要的组成部分,它能够直接形象的表达信息。如何从大量的图像中检索出自己感兴趣的内容,即信息的有效检索,已经成为一个热点问 题 快递公司问题件快递公司问题件货款处理关于圆的周长面积重点题型关于解方程组的题及答案关于南海问题 。商标作为一种特殊的信息载体的图像而言,它不仅本身有价值,还具有创造价值,是企业重要的工业产权之一,是一种宝贵的社会财富,并且正日益成为激烈的市场竞争活动中不可或缺的武器。近年来,由于注册商标的数目不断增加,人工已经难以胜任大量商标图像的相似性比较,基于内容的图像检索CBIR应运而生。本文首先对CBIR系统的关键技术进行了深入的学习,在 分析 定性数据统计分析pdf销售业绩分析模板建筑结构震害分析销售进度分析表京东商城竞争战略分析 已有的研究成果的基础之上,结合BIC像素分析算法提出了等级树匹配 方法 快递客服问题件处理详细方法山木方法pdf计算方法pdf华与华方法下载八字理论方法下载 LTM,并基于BIC与LTM提出了本文的关联反馈算法,然后采用提出的方法 设计 领导形象设计圆作业设计ao工艺污水处理厂设计附属工程施工组织设计清扫机器人结构设计 了一个CBIR实验系统。本文的主要工作有以下几个方面:(1)对图像底层特征进行深入学习,结合商标的特性,对颜色特征重点关注,并总结出底层特征的一般性提取方法。(2)分析国内外CBIR系统的研究和发展现状,总结出CBIR的系统模型,同时为比较系统性能,提出系统评价准则。(3)对BIC图像分析算法进一步研究,对在BIC算法中提出的dLog距离函数同矢量距离函数进行分析比较实验。(4)基于BIC像素分析算法提出等级树匹配方法LTM,并验证了采用该方法对商标图像相关检索性能有很大的提升,并且可以有效地减少图像的存储空间。(5)结合BIC算法与LTM方法提出了关联反馈算法,并通过设计系统实验,对本文提出的关联反馈算法RF与传统的反馈算法Rocchio进行比较,得出RF算法能够更好地提升系统检索精度性能的结论。最后,对本文的研究工作进行了分析和总结,并对下一步进行的研究工作进行展望。 【英文摘要】With the development of information and network technology, a large variety of visual content is generated. Image as an important component of the visual content, it is able to image the expression of information directly .How to retrieve images from a large number of the contents of users’ own interest, that is, an effective information retrieval, has become a hot issue .As a special image information carrier concerned, the mark is not only valuable in itself, but also has the ability to create value. It is one important industrial property to a company and is a valuable social asset. In recent years, with the increasing of the number of registered TRAdemarks, it is so hard to compare images artificially that the content-based image retrieval CBIR came into being. In this paper, firstly depth study about the key technologies of the CBIR system, based on analysis of existing research, combined with BIC-pixel analysis algorithm proposed the level tree matching method LTM, then according to the LTM and BIC proposed the relevance feedback algorithm and using the method proposed design a CBIR system.This paper has the following contribution:(1) Further study on the underlying characteristics of image, combined with the trademark’s own characteristics, focused on the color characteristics, and summed up the general extracting method of the underlying characteristics.(2) Research on the development status of the CBIR systems home and abroad, summed up the model of CBIR system, in order to compare the system performance, proposed the system evaluation criteria.(3) BIC image analysis algorithm for further study, compare the dLog distance function proposed in BIC algorithm with the vector distance analysis within the experiments.(4) Based on BIC-pixel analysis algorithm proposed the tree matching method level LTM, by this method the performance related to trademark image retrieval greatly improved, and it can reduce the image storage space effectively.(5) Combining the BIC algorithm with the method LTM, relevance feedback algorithm RF is proposed, and design the experiment system, compare the feedback algorithm RF with the traditional algorithm Rocchio , the result of experiment proved that the RF algorithm is better to improve the system performance of retrieval accuracy.Finally, analyze and summarize the study work the further research work is prospected. 【备注】索购全文在线加好友 ：1.3.9.9.3.8848 同时提供论文写作一对一指导和论文发表委托服务 【关键词】基于内容的商标图像检索 图像特征 图像像素分类算法BIC 等级树匹配方法LTM 关联反馈算法RF 【英文关键词】Content-based image retrieval      image feature      image pixel classification algorithm BIC      Level Tree Matching LTM      Relevance Feedback algorithm RF 【目录】基于内容的商标图像检索技术的研究摘要4-6ABSTRACT6-7第一章 绪论10-191.1 引言101.2 论文的目的及意义10-111.3 目前国内外的研究现状11-171.4 论文的主要工作171.5 论文的组织结构17-19第二章 图像预处理及特征分析19-312.1 图像预处理19-222.1.1 一些重要噪声的概率密度函数19-202.1.2 均值滤波20-222.1.3 统计排序滤波222.2 图像查询方法22-232.3 图像特征分类23-302.3.1 颜色特征23-292.3.2 纹理特征292.3.3 形状特征29-302.4 本章小结30-31第三章 系统模型和评价准则31-353.1 CBIR 系统模型31-323.2 CBIR 系统评价准则32-343.2.1 查准度和召回使用率32-333.2.2 图像检索效率33-343.3 本章小结34-35第四章 基于内容的关联反馈图像检索35-554.1 关联反馈图像检索介绍35-384.1.1 关联反馈的提出35-364.1.2 关联反馈的分类36-384.2 图像分析算法38-454.2.1 GCH 图像分析算法38-394.2.2 CCV 图像分析算法39-404.2.3 BIC 图像分析算法40-454.3 等级树匹配LTM 方法45-474.4 关联反馈47-544.4.1 关联反馈RF 算法47-514.4.2 RF 实验分析51-544.5 本章小结54-55第五章 商标检索实验系统55-605.1 系统开发环境55-575.1.1 软件环境555.1.2 数据库设计55-565.1.3 系统总体架构56-575.2 实验及其分析57-595.3 本章小结59-60第六章 总结与展望60-626.1 工作总结 关于社区教育工作总结关于年中工作总结关于校园安全工作总结关于校园安全工作总结关于意识形态工作总结 606.2 展望60-62参考文献62-66致谢66-67攻读学位期间的研究成果67