CN110825896A - 一种商标检索系统及检索方法 - Google Patents
一种商标检索系统及检索方法 Download PDFInfo
- Publication number
- CN110825896A CN110825896A CN201911225384.6A CN201911225384A CN110825896A CN 110825896 A CN110825896 A CN 110825896A CN 201911225384 A CN201911225384 A CN 201911225384A CN 110825896 A CN110825896 A CN 110825896A
- Authority
- CN
- China
- Prior art keywords
- trademark
- image
- library
- module
- retrieval
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000000605 extraction Methods 0.000 claims abstract description 27
- 238000007781 pre-processing Methods 0.000 claims abstract description 19
- 238000005259 measurement Methods 0.000 claims abstract description 15
- 238000012545 processing Methods 0.000 claims description 28
- 238000010606 normalization Methods 0.000 claims description 8
- RKWPMPQERYDCTB-UHFFFAOYSA-N ethyl n-[4-[benzyl(2-phenylethyl)amino]-2-(4-nitrophenyl)-1h-imidazo[4,5-c]pyridin-6-yl]carbamate Chemical compound N=1C(NC(=O)OCC)=CC=2NC(C=3C=CC(=CC=3)[N+]([O-])=O)=NC=2C=1N(CC=1C=CC=CC=1)CCC1=CC=CC=C1 RKWPMPQERYDCTB-UHFFFAOYSA-N 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/53—Querying
- G06F16/538—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/55—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/18—Legal services
- G06Q50/184—Intellectual property management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- Technology Law (AREA)
- Library & Information Science (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Operations Research (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种商标检索系统及检索方法,包括特征库模块和商标检索模块,所述特征库模块由文字商标图像库、图形商标图像库和组合商标图像库三个部分组成,所述商标检索模块由图像输入模块、图像预处理模块、特征提取模块和输出和反馈模块四个部分组成。该商标检索系统及检索方法提出了一种新的商标检索方法——依据商标图像的图形特点将商标分为文字、图形、组合三类商标,进行商标分类检索,在进行商标检索时,首先判断样本商标的类别,然后根据样本商标的类别与同一类别的商标进行相似性度量,可以节省商标检索时间,从时间上提高检索效率。
Description
技术领域
本发明涉及商标检索技术领域,具体为一种商标检索系统及检索方法。
背景技术
商标作为商品“品牌”的标志,是一幅具有特殊的意义和特殊内容的图像,商标的特殊意义在于它是识别商品来源的标志,商标必须经过国家商标管理部门正式注册后才会受到法律的保护,而新的商标在进行商标注册时为了避免与已注册商标产生冲突或混淆,必须要经过商标查重这一流程,在确保新申请注册的商标图像相对于已注册商标的图像而言,其图像内容具有足够的独特性后才能同意注册,商标检索作为一种重要的商标查重手段,其关键问题在于如何通过样本商标从已有的商标库中检测出与样本相同或相似的商标,并对商标图像之间的相似性进行判断。
近年来,商标数量的激增使得商标检索问题日渐严重,主要表现商标数量集的扩大,增加了商标重复率检查的难度,检索效率低,检索结果可信度低,使得商标申请周期变长,对企业的经济效率产生了一定的影响。
发明内容
本发明的目的在于提供一种商标检索系统及检索方法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:一种商标检索系统及检索方法,包括特征库模块和商标检索模块,所述特征库模块由文字商标图像库、图形商标图像库和组合商标图像库三个部分组成,所述商标检索模块由图像输入模块、图像预处理模块、特征提取模块和输出和反馈模块四个部分组成,所述商标检索系统及检索方法操作步骤如下:
采用人工分类的方法将商标图像分类建立文字商标图像库、图形商标图像库和组合商标图像库;
对各图像库中的商标图像进行图像预处理,提取图像特征值,并将特征值分别存储到相应的区域特征库和边界特征库;
输入待检测的商标,经过图像预处理模块和特征提取模块提取相应的图像特征值,选择商标类别并在相应的区域特征库和边界特征库采用加权欧式距离法进行相似性度量,输出相似的商标图像。
优选的,所述文字商标图像库、图形商标图像库和组合商标图像库均包含区域特征库和边界特征库两个特征库。
优选的,所述图像预处理模块包括图像二值化处理、图像归一化处理和图像去噪处理三个处理步骤。
优选的,所述特征提取模块包括图像特征提取和图像相似性度量两个提取步骤,图像特征提取包括边界特征提取和区域特征提取,图像相似性度量采用加权欧式距离方法。
优选的,所述输出和反馈模块输出前十张与样品最相似的商标图像,并根据用户反馈刷新输出商标图像。
优选的:一种商标检索系统及检索方法,该方法包括:
将各类商标分类为文字商标、图形商标和组合商标并分别存入文字商标图像库、图形商标图像库和组合商标图像库;
用傅里叶描述子表示边界特征对全局形状特征进行描述,用子图像像素分布情况表示区域特征对局部形状特征进行描述;
图像预处理模块采用图像二值化处理、图像归一化处理和图像去噪处理对商标图像进行模式化处理;
图像相似性度量采用加权欧式距离方法。
与现有技术相比,本发明的有益效果是:
1、该商标检索系统及检索方法提出了一种新的商标检索方法——依据商标图像的图形特点将商标分为文字、图形、组合三类商标,进行商标分类检索,在进行商标检索时,首先判断样本商标的类别,然后根据样本商标的类别与同一类别的商标进行相似性度量,可以节省商标检索时间,从时间上提高检索效率。
2、该商标检索系统及检索方法的商标检索方法以商标图像的形状特征建立索引,为提高商标检索效率,采用边界特征和区域特征分别表示商标图像的整体特征和局部特征,并将两种特征相结合实现了商标检索系统及检索方法。
3、在进行商标图像的特征分析时,根据三类商标的像素分布特点不同,对三类商标的区域特征采用了不同的方法进行描述,这样针对每类商标图像的特点选择更合适的方法表示其区域特征,可以更准确的描述商标图像的特征,从而提高商标检索的准确率。
附图说明
图1为本发明的系统框架图;
图2为本发明的检索流程图。
图中:1、特征库模块;2、商标检索模块;3、文字商标图像库;4、图形商标图像库;5、组合商标图像库;6、区域特征库;7、边界特征库;8、图像输入模块;9、图像预处理模块;10、特征提取模块;11、输出和反馈模块。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1-2,本发明提供一种技术方案:包括特征库模块1和商标检索模块2,特征库模块1由文字商标图像库3、图形商标图像库4和组合商标图像库5三个部分组成,特征库模块1数据库中的商标图像大部分是从各个商标网站和专利网站剪切采集所得,收集到的商标图像都是大小、形状不规则而且包含有水印和噪音的复杂图像,通过图像预处理模块9将收集到的商标图像转换为统一标准的商标图像,然后采用人工分类方法,将预处理后的商标图像分别存储到文字商标图像库3、图形商标图像库4和组合商标图像库5,文字商标图像库3、图形商标图像库4和组合商标图像库5存储的均为分辨率为256*256,图像格式为bmp的二值商标图像,商标检索模块2由图像输入模块8、图像预处理模块9、特征提取模块10和输出和反馈模块11四个部分组成,所述商标检索系统及检索方法操作步骤如下:
采用人工分类的方法将商标图像分类建立文字商标图像库3、图形商标图像库4和组合商标图像库5;
对各图像库中的商标图像进行图像预处理,提取图像特征值,并将特征值分别存储到相应的区域特征库6和边界特征库7;
输入待检测的商标,经过图像预处理模块9和特征提取模块10提取相应的图像特征值,选择商标类别并在相应的区域特征库6和边界特征库7采用加权欧式距离法进行相似性度量,输出相似的商标图像。
本发明中:文字商标图像库3、图形商标图像库4和组合商标图像库5均包含区域特征库6和边界特征库7两个特征库,形状特征是图像重要的视觉特征,对于商标的图像特征,用傅里叶描述子表示边界特征对全局形状特征进行描述,用子图像像素分布情况表示区域特征对局部形状特征进行描述,将全局特征和局部特征相结合,用边界特征和区域特征两种形状特征实现商标匹配和检索。
本发明中:图像预处理模块9包括图像二值化处理、图像归一化处理和图像去噪处理三个处理步骤,图像二值化处理通过图像灰度化、图像增强、图像二值化三个图像处理方法将非二值化商标图像统一转化为二值商标图像;然后对二值化商标图像进行归一化处理(如:旋转、缩放、平移等),得到统一大小、统一方向的标准化商标图像;最后再进行图像去噪处理,去除商标图像在图像归一化处理过程中所产生的的噪点,提高图片质量。
本发明中:特征提取模块10包括图像特征提取和图像相似性度量两个提取步骤,图像特征提取包括边界特征提取和区域特征提取,图像相似性度量采用加权欧式距离方法,边界特征提取方法如下:利用canny算子得到图像的边缘轮廓信息;利用B样条插值法对已获取的边界列点进行插值;利用傅里叶描述子表示图像边界特征。区域特征提取根据商标类别采用不同的方法表示商标图像的区域特征,组合商标采用子图像的目标像素和为区域特征;图形商标采用子图像目标像素和与背景像素和之比为区域特征;文字商标采用子图像的目标像素和与整个图像的目标像素和之比为区域特征。用于图像检索系统中的图像特征基本都是以向量的形式进行存储,计算两幅图像相似性距离实际上是对两幅图像对应的特征向量计算相似性距离,欧式距离是图像检索图像识别中应用最广泛的相似性度量方法。
本发明中:输出和反馈模块11输出前十张与样品最相似的商标图像,并根据用户反馈刷新输出商标图像,输出和反馈模块11按照相似程度降序排列,输出前十幅与样品商标最相似的商标图像,并进行相关信息反馈刷新输出商标,实现商标检索。
本发明中:一种商标检索系统及检索方法,该方法包括:
将各类商标分类为文字商标、图形商标和组合商标并分别存入文字商标图像库3、图形商标图像库4和组合商标图像库5;
用傅里叶描述子表示边界特征对全局形状特征进行描述,用子图像像素分布情况表示区域特征对局部形状特征进行描述;
图像预处理模块9采用图像二值化处理、图像归一化处理和图像去噪处理对商标图像进行模式化处理;
图像相似性度量采用加权欧式距离方法。
工作原理:首先采用人工分类的方法将商标图像分类建立文字商标图像库3、图形商标图像库4和组合商标图像库5,然后分类对三类图像库中的商标图像进行预处理,根据商标类别提取相应的图像特征值,并将特征值分类存储建立相应的区域特征库6和边界特征库7,再输入待检测的商标图像,判断其商标类别,经过预处理后根据商标类别提取相应的图像特征值,最后采用加权欧式距离法进行相似性度量,按相似程度降序排列,输出前十幅与样品商标最相似的商标图像,并进行相关信息反馈,实现商标图像检索。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (6)
1.一种商标检索系统及检索方法,包括特征库模块(1)和商标检索模块(2),其特征在于:所述特征库模块(1)由文字商标图像库(3)、图形商标图像库(4)和组合商标图像库(5)三个部分组成,所述商标检索模块(2)由图像输入模块(8)、图像预处理模块(9)、特征提取模块(10)和输出和反馈模块(11)四个部分组成,所述商标检索系统及检索方法操作步骤如下:
采用人工分类的方法将商标图像分类建立文字商标图像库(3)、图形商标图像库(4)和组合商标图像库(5);
对各图像库中的商标图像进行图像预处理,提取图像特征值,并将特征值分别存储到相应的区域特征库(6)和边界特征库(7);
输入待检测的商标,经过图像预处理模块(9)和特征提取模块(10)提取相应的图像特征值,选择商标类别并在相应的区域特征库(6)和边界特征库(7)采用加权欧式距离法进行相似性度量,输出相似的商标图像。
2.根据权利要求1所述的一种商标检索系统及检索方法,其特征在于:所述文字商标图像库(3)、图形商标图像库(4)和组合商标图像库(5)均包含区域特征库(6)和边界特征库(7)两个特征库。
3.根据权利要求1所述的一种商标检索系统及检索方法,其特征在于:所述图像预处理模块(9)包括图像二值化处理、图像归一化处理和图像去噪处理三个处理步骤。
4.根据权利要求1所述的一种商标检索系统及检索方法,其特征在于:所述特征提取模块(10)包括图像特征提取和图像相似性度量两个提取步骤,图像特征提取包括边界特征提取和区域特征提取,图像相似性度量采用加权欧式距离方法。
5.根据权利要求1所述的一种商标检索系统及检索方法,其特征在于:所述输出和反馈模块(11)输出前十张与样品最相似的商标图像,并根据用户反馈刷新输出商标图像。
6.一种商标检索系统及检索方法,该方法包括:
将各类商标分类为文字商标、图形商标和组合商标并分别存入文字商标图像库(3)、图形商标图像库(4)和组合商标图像库(5);
用傅里叶描述子表示边界特征对全局形状特征进行描述,用子图像像素分布情况表示区域特征对局部形状特征进行描述;
图像预处理模块(9)采用图像二值化处理、图像归一化处理和图像去噪处理对商标图像进行模式化处理;
图像相似性度量采用加权欧式距离方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911225384.6A CN110825896A (zh) | 2019-12-04 | 2019-12-04 | 一种商标检索系统及检索方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911225384.6A CN110825896A (zh) | 2019-12-04 | 2019-12-04 | 一种商标检索系统及检索方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110825896A true CN110825896A (zh) | 2020-02-21 |
Family
ID=69542362
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911225384.6A Withdrawn CN110825896A (zh) | 2019-12-04 | 2019-12-04 | 一种商标检索系统及检索方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110825896A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111797260A (zh) * | 2020-07-10 | 2020-10-20 | 宁夏中科启创知识产权咨询有限公司 | 基于图像识别的商标检索方法及系统 |
CN114996500A (zh) * | 2021-03-02 | 2022-09-02 | 贵州凌恒科技有限公司 | 一种商标图形检索方法 |
-
2019
- 2019-12-04 CN CN201911225384.6A patent/CN110825896A/zh not_active Withdrawn
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111797260A (zh) * | 2020-07-10 | 2020-10-20 | 宁夏中科启创知识产权咨询有限公司 | 基于图像识别的商标检索方法及系统 |
CN114996500A (zh) * | 2021-03-02 | 2022-09-02 | 贵州凌恒科技有限公司 | 一种商标图形检索方法 |
CN114996500B (zh) * | 2021-03-02 | 2024-05-17 | 贵州凌恒科技有限公司 | 一种商标图形检索方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jobin et al. | Docfigure: A dataset for scientific document figure classification | |
CN109934224B (zh) | 基于马尔科夫随机场和视觉对比机制的小目标检测方法 | |
CN105139041A (zh) | 基于图像的语种识别方法及装置 | |
Mishchenko et al. | Chart image understanding and numerical data extraction | |
CN105117740A (zh) | 字体识别方法及装置 | |
CN110659374A (zh) | 一种基于神经网络提取车辆特征值及属性的以图搜图方法 | |
Forczmański et al. | Stamps detection and classification using simple features ensemble | |
CN110825896A (zh) | 一种商标检索系统及检索方法 | |
Rigaud et al. | What do we expect from comic panel extraction? | |
Ramirez et al. | Automatic recognition of square notation symbols in western plainchant manuscripts | |
Varadarajan et al. | Weakly Supervised Object Localization on grocery shelves using simple FCN and Synthetic Dataset | |
CN109902690A (zh) | 图像识别技术 | |
CN108897781B (zh) | 论文图形查重系统 | |
Kumar et al. | An efficient algorithm for text localization and extraction in complex video text images | |
Kosala et al. | MSER-Vertical Sobel for Vehicle Logo Detection | |
CN102999763A (zh) | 基于尺度选择的自顶向下的视觉显著性提取方法 | |
Rani et al. | Object Detection in Natural Scene Images Using Thresholding Techniques | |
Sahota et al. | An empirical enhancement using scale invariant feature transform in text extraction from images | |
Soma et al. | Automatic logo recognition system from the complex document using shape and moment invariant features | |
Sastry et al. | A 3d approach for palm leaf character recognition using histogram computation and distance profile features | |
Lakshmi et al. | Plant leaf image detection method using a midpoint circle algorithm for shape-based feature extraction | |
Lakshmi et al. | Robust algorithm for Telugu word image retrieval and recognition | |
Kerami et al. | Classification of X-ray images using grid approach | |
Phan et al. | An Integrated Approach for Table Detection and Structure Recognition | |
Singh et al. | Script separation in machine printed bilingual (Devnagari and Gurumukhi) documents using morphological approach |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20200221 |
|
WW01 | Invention patent application withdrawn after publication |