CN113553980A - 一种图片的商标图形要素编码生成方法、系统及装置 - Google Patents
一种图片的商标图形要素编码生成方法、系统及装置 Download PDFInfo
- Publication number
- CN113553980A CN113553980A CN202110873879.0A CN202110873879A CN113553980A CN 113553980 A CN113553980 A CN 113553980A CN 202110873879 A CN202110873879 A CN 202110873879A CN 113553980 A CN113553980 A CN 113553980A
- Authority
- CN
- China
- Prior art keywords
- trademark
- image
- picture
- sample
- graphic element
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 78
- 238000007781 pre-processing Methods 0.000 claims abstract description 16
- 238000012163 sequencing technique Methods 0.000 claims description 34
- 230000011218 segmentation Effects 0.000 claims description 24
- 230000015654 memory Effects 0.000 claims description 19
- 238000012790 confirmation Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 14
- 238000013500 data storage Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
Images
Classifications
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
Abstract
一种图片的商标图形要素编码生成方法,包括建立样本库,获取样本商标图片及其所对应记录的商标图形要素编码;对待处理商标图片进行预处理以获取有效区域图像;采用同一方向的分割线对有效区域图像进行多等份细分,获取有效区域图像的细分区域,提取该细分区域的图像特征数据获取图像特征描述符;以图像特征描述符为检索关键词进行样本商标图片查询,获取初步样本商标图片查询结果;对初步样本商标图片所对应记录的图像特征描述符与输入商标图片所提取的图像特征描述符进行匹配率计算,以获得匹配率排序参数;根据匹配率排序参数获得输入商标图片的商标图形要素编码。实现商标图形要素编码自动识别和标准化识别,提高商标图形要素编码划分效率。
Description
技术领域
本发明涉及商标信息查询技术领域,尤其涉及一种图片的商标图形要素编码生成方法、系统及装置。
背景技术
商标查询是商标注册、商标审查、商标管理、商标维权等程序中非常重要的工作,商标查询的主要目的是如何查找出符合《商标法》意义上的相同或近似商标,用以确认输入商标所获得的或可能获得的商标权利权属范围的信息,为实施企业商标战略的各种活动提供决策依据。
商标图形要素编码是依据《建立商标图形要素国际分类维也纳协定》所产生一种的商标图形要素划分工具,由商标图形要素按大类、小类及组分类的一览表组成,其中包括商标图形要素编号和商标图形要素名称构成。因此,每一商标图形要素编码代表了商标图形要素的内容意义。
目前,在世界范围内,商标图形要素编码主要通过国家商标主管机构中享有商标图形要素编码专业水平的少数审查员承担人工划分,基本没有智能化的工具或手段。现有的商标图形要素编码的人工划分方法虽然可以执行商标图形要素编码的划分任务,但其存在明显的缺陷和弊端,主要体现在:
1)人工划分商标图形要素编码,划分工作效率的低下和工作精力的消耗巨大是显然易见的;
2)商标图形要素编码划分要求专业性较强,普通工作人员不易准确掌握商标图形要素编码方法,限制了图形商标检索的广泛应用;
3)即使是专业人员进行商标图形要素编码划分,因不同专业人员主观判断商标图像的意义会存在差异,这种差异会造成商标图形要素编码的不一致。
发明内容
本发明的目的在于针对背景技术中的缺陷,提出一种图片的商标图形要素编码生成方法、系统及装置,利用已注册图形商标图形要素编码划分的大数据资源分析,通过输入商标图片的图像特征与样本库中存储的样本商标图片所记录的图像特征的识别匹配,获取特征重合度最高一张或若干张样本商标图片,并将该商标图片所对应记录的图形要素编码作为输入商标图片的商标图形要素编码。从而实现了商标图形要素编码的自动识别和标准化识别,解决传统商标图形要素编码仅靠人工划分,划分工作效率的低下和工作精力的消耗巨大,对商标图形要素编码划分人员要求专业性较强,因不同专业人员主观划分存在差异等问题。
为达此目的,本发明采用以下技术方案:
一种图片的商标图形要素编码生成方法,包括如下步骤:
步骤A:建立样本库,获取样本商标图片及该样本商标图片所对应记录的商标图形要素编码;
步骤B:对待处理商标图片进行预处理以获取有效区域图像,其中,待处理商标图片包括:样本商标图片和输入商标图片;
步骤C:采用同一方向的分割线对有效区域图像进行多等份细分,获取所述有效区域图像的细分区域,提取各细分区域的图像特征描述符;
步骤D:以所述细分区域的图像特征描述符为检索关键词,在所述样本库内进行样本商标图片查询,获取初步样本商标图片查询结果;
步骤E:对所述初步样本商标图片所对应记录的细分区域的图像特征描述符与输入商标图片所提取的细分区域的图像特征描述符进行匹配率计算,以获得所述各初步样本商标图片与输入商标图片的匹配率排序参数;
步骤F:将所述匹配率排序参数大于预设匹配率值的初步样本商标图片所对应记录的商标图形要素编码作为输入商标图片的商标图形要素编码。
作为一种可选的实施方式,在本发明的第一方面中,所述步骤A中,建立样本库,样本库收录如下其中至少一项数据:
一个国家的样本商标数据中的已经申请/注册的商标标识图片及该商标标识图片所对应记录的商标图形要素编码;
和/或商标图形要素编码及所对应的示例性样本商标图片和非样本商标图片。
作为一种可选的实施方式,在本发明的第一方面中,在所述步骤B中,所述待处理商标图片具体包括:
动态拍摄获取的目标商标图片,和/或存储在电脑设备上的目标商标图片,和/或已存储在样本库的样本商标图片。
作为一种可选的实施方式,在本发明的第一方面中,所述步骤C还包括:
步骤C1:提取待处理商标图片的有效区域图像及像素点颜色值数据,并进行色块分割,获取待处理商标图片的有效区域图像数据;
步骤C2:采用同一方向的分割线对有效区域图像进行多等份细分,获取具有同一切割方向的细分区域以及细分区域数据集;
步骤C3:对所述待处理商标图片的有效区域图像的细分区域进行连通域确认、线段识别和线长计量操作,以获取待处理商标图片的有效区域图像的细分区域的图像特征数据;
步骤C4:对待处理商标图片的有效区域图像的细分区域的图像特征数据进行统计、组合处理,以获取待处理商标图片的细分区域的图像特征描述符;
其中,所述细分区域的图像特征描述符包括如下各项至少一项:粗略图像特征描述符和/或精细图像特征描述符。
作为一种可选的实施方式,在本发明的第一方面中,在所述步骤E中,所述获取所述各初步样本商标图片与输入商标图片的匹配率排序参数的方法,包括:
步骤E1:以图像的细分区域为单位,比较各相同序号的细分区域对的线段数是否相等,若是,则视为相互匹配,若否,则视为不匹配,并根据如下公式获取线段数匹配率;
A=N′/W,A≤100%;
其中,A表示线段数匹配率;N′表示匹配线段数的细分区域数;W表示图像的细分区域总数;
步骤E2:以图像的细分区域为单位,比较各相同序号的细分区域对的线长值是否相等,若是,则视为相互匹配,若否,则视为不匹配,并根据如下公式获取线长值匹配率;
B=M/W,B≤100%;
其中,B表示线长值匹配率;M表示匹配线长值的细分区域数;W表示图像的细分区域总数;
步骤E3:确定或图像匹配类型调整参数;
所述图像匹配类型包括:图像整图与整图之间的匹配,图像整图与分卡图之间的匹配,分卡图与分卡图之间的匹配;
所述的分卡图为由图像整图分割出的局部图;
图像匹配类型调整参数在大于等于0小于100%范围内取值;
步骤E4:确定连通域数偏差的调整参数;
连通域数偏差的调整参数在大于等于0小于100%范围内取值;
步骤E5:根据如下公式获取匹配率排序参数;
T=A×α+B×β-t-C;
其中:T表示图像的匹配率排序参数,A表示线段数匹配率,B表示线长值匹配率,α表示线段数匹配权数,β表示线长值匹配权数,t表示匹配图的类型调整参数,C表示连通域匹配率。
作为一种可选的实施方式,在本发明的第一方面中,在所述步骤F中,生成输入商标图片的商标图形要素编码,包括如下至少一项:
将排序参数最大的一件或多件且大于预设匹配率值的样本商标图片所对应已记录的商标图形要素编码作为输入商标图片的商标图形要素编码;
将排序参数大于预设匹配率值的样本商标图片所对应已记录的商标图形要素编码在用户端进行显示,将排序参数最大一件或多件且大于预设匹配率值的样本商标图片及其所对应已记录的商标图形要素编码,作为可供筛选的商标图形要素编码,由用户端选中的商标图形要素编码作为输入商标图片的商标图形要素编码。
作为一种可选的实施方式,在本发明的第二方面中,一种图片的商标图形要素编码生成系统,包括用户端、服务器、数据存储器、图像处理器、检索处理器;
所述用户端通过无线网络或互联网连接所述服务器,所述服务器与所述数据存储器、所述图像处理器、所述检索处理器之间通过局域网或互联网实现连接并执行如下处理操作:
所述用户端用于动态拍摄获取目标商标图片或选择存储在用户端的目标商标图片或已存储在数据存储器上的样本库的样本商标图片,以获得待处理商标图片;
所述用户端还用于将所述待处理商标图片进行裁剪或确认预处理操作,以获取有效区域图像并将处理后的待处理商标图片发送给所述服务器;所述用户端接收到返回的待处理商标图片的商标图形要素编码生成结果进行确认或编辑修正,将确认或编辑修正后的输入商标图片的商标图形要素编码向所述服务器进行反馈回应;
所述服务器用于在接收到所述待处理商标图片后,控制所述图像处理器对有效区域图像采用同一方向的分割线对有效区域图像进行多等份细分,获取所述有效区域图像的细分区域,提取该细分区域的图像特征描述符;
所述服务器还用于控制检索处理器以所述细分区域的图像特征描述符为检索关键词,对数据存储器所存储在样本库内进行样本商标图片进行查询,获取初步样本商标图片查询结果;并对所述初步样本商标图片所对应记录的细分区域的图像特征描述符与输入商标图片所提取的细分区域的图像特征描述符进行匹配率计算,以获得所述各初步样本商标图片与输入商标图片的匹配率排序参数;
所述服务器还用于将所述匹配率排序参数大于预设匹配率值的初步样本商标图片所对应记录的商标图形要素编码作为输入商标图片的商标图形要素编码,并返回所述用户端,对输入商标图片的商标图形要素编码进行确认和显示。
作为一种可选的实施方式,在本发明的第三方面中,一种图片的商标图形要素编码生成装置,所述装置包括:
样本库存储模块,用于建立样本库,获取样本商标图片及该样本商标图片所对应记录的商标图形要素编码;
图像预处理模块,用于对待处理商标图片进行预处理以获取有效区域图像,其中,待处理商标图片包括:样本商标图片和输入商标图片;
图像特征数据处理模块,用于采用同一方向的分割线对有效区域图像进行多等份细分,获取所述有效区域图像的细分区域,提取各细分区域的图像特征描述符;
检索模块,用于以所述细分区域的图像特征描述符为检索关键词,在所述样本库内进行样本商标图片查询,获取初步样本商标图片查询结果;
匹配率计算模块,用于对所述初步样本商标图片所对应记录的细分区域的图像特征描述符与输入商标图片所提取的细分区域的图像特征描述符进行匹配率计算,以获得所述各初步样本商标图片与输入商标图片的匹配率排序参数;
商标图形要素编码确认模块,用于将所述匹配率排序参数最大的一件或多件且大于预设匹配率值的初步样本商标图片所对应记录的商标图形要素编码作为输入商标图片的商标图形要素编码。
作为一种可选的实施方式,在本发明的第四方面中,一种图像数据存储器,包括:
商标图形要素编码样本数据存储单元,用于存储所述获取样本商标图片及该样本商标图片所对应记录的商标图形要素编码;
生成商标图形要素编码数据存储单元,用于存储所述计算机程序被处理器执行时实现如下步骤中任一项所述的方法所生成的生成商标图形要素编码:
对待处理商标图片进行预处理以获取有效区域图像,其中,待处理商标图片包括:样本商标图片和输入商标图片;
采用同一方向的分割线对有效区域图像进行多等份细分,获取所述有效区域图像的细分区域,提取各细分区域的图像特征描述符;
以所述细分区域的图像特征描述符为检索关键词,在所述样本库内进行样本商标图片查询,获取初步样本商标图片查询结果;
对所述初步样本商标图片所对应记录的细分区域的图像特征描述符与输入商标图片所提取的细分区域的图像特征描述符进行匹配率计算,以获得所述各初步样本商标图片与输入商标图片的匹配率排序参数;
将所述匹配率排序参数大于预设匹配率值的初步样本商标图片所对应记录的商标图形要素编码作为输入商标图片的商标图形要素编码。
作为一种可选的实施方式,在本发明的第五方面中,一种计算机存储介质,所述计算机存储介质存储有计算机指令,所述计算机指令被调用时用于执行前述任一项所述的图片的商标图形要素编码生成方法中的部分或全部步骤。
本发明的实施例所提供的技术方案可以包括以下有益效果:
1、本发明实现了利用现有已注册图形商标图形要素编码划分的大数据资源由系统学习并自动划分商标图形要素编码,解决了商标图形要素编码划分的标准化识别和以往因不同专业人员主观划分存在差异的问题;
2、本发明提供的一种图片的商标图形要素编码生成方法与传统的手工划分商标图形要素编码的方法相比,具有工作效率高和节省工作精力的好处;
3、本发明降低于对商标检索使用人员对商标图形要素编码专业水平的要求,有利于在更广泛的范围使用商标图形要素编码的商标检索技术。
附图说明
图1是本发明的一个实施例的图片商标图形要素编码生成流程图;
图2是本发明的一个实施例的待处理商标图片的有效区域图像的示意图;
图3是本发明的一个实施例的图像的局部色块连通域分割数据表;
图4是本发明的一个实施例的图像采用15等份水平向分割细分区域的示意图;
图5是本发明的一个实施例的图像采用15等份水平向分割细分区域单位线长标准示意图;
图6是本发明的一种图片的商标图形要素编码生成系统的结构示意图。
具体实施方式
下面详细描述本发明的实施方式,实施方式的示例在附图中示出,其中,相同或类似的标号自始至终表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的,仅用于解释本发明,而不能理解为对本发明的限制;
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解;
在本发明的实施方式的描述中,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本发明的实施方式的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。
如图1所示,一种图片的商标图形要素编码生成方法,具体包括如下步骤:
步骤A:建立样本库,获取样本商标图片及该样本商标图片所对应记录的商标图形要素编码;
在本发明的实施例中,在对待处理商标图片进行处理前,应建立样本库,该样本库应收录如下其中至少一项数据:在一个国家的样本商标数据中含有全部或至少大部分的已经申请/注册的商标标识图片及该商标标识图片所对应记录的商标图形要素编码,或商标图形要素编码及所对应的示例性样本商标图片和非样本商标图片;
其中,所述商标图形要素编码是指《建立商标图形要素国际分类维也纳协定》所产生一种的商标图形要素划分工具,由商标图形要素按大类、小类及组分类的一览表组成,其中包括商标图形要素编号和商标图形要素名称构成。
步骤B:对待处理商标图片进行预处理以获取有效区域图像,其中,待处理商标图片包括:样本商标图片和输入商标图片。
在本发明的实施例中,所述待处理商标图片具体包括:动态拍摄获取的目标商标图片,和/或存储在电脑设备上的目标商标图片,和/或已存储在样本库的样本商标图片。
如果待处理商标图片来源于动态拍摄获取的目标商标图片和/或存储在电脑设备上的目标商标图片,一般在拍照过程中,照片的区域并不等于商标图像的区域,还包括非商标图像的区域,该图片中除了包括目标商标图像外还包括一些非商标构成内容的因素,如果这些区域也进入商标图像特征的识别,会影响商标图像特征的准确性,在实际应用中一般需要对其进行裁剪,为了使输入商标图片正确反映商标图像的本来特征,需要通过进行裁剪处理以得到裁剪后的图像仅具有该目标商标图像,即获得待处理商标图片的有效区域图像。
如果待处理商标图片来源于已存储的目标商标图片,该图片一般已能正确反映商标图像的本来特征,只需要进行确认处理以得到确认后的图像,即获得待处理商标图片的有效区域图像。
步骤C:采用同一方向的分割线对有效区域图像进行多等份细分,获取所述有效区域图像的细分区域,提取各细分区域的图像特征描述符;
在本发明的实施例中,所述细分区域的图像特征描述符包括如下各项至少一项:粗略图像特征描述符和精细图像特征描述符。
在本发明的实施例中,步骤C所述提取该细分区域的图像特征数据的具体方法,包括:
步骤C1:提取待处理商标图片的有效区域图像及像素点颜色值数据,并进行色块分割,获取待处理商标图片的有效区域图像数据;
步骤C2:采用同一方向的分割线对有效区域图像进行多等份细分,获取具有同一切割方向的细分区域以及细分区域数据集;
步骤C3:对所述待处理商标图片的有效区域图像的细分区域进行连通域确认、线段识别和线长计量操作,以获取待处理商标图片的有效区域图像的细分区域的图像特征数据;
步骤C4:对待处理商标图片的有效区域图像的细分区域的图像特征数据进行统计、组合处理,以获取待处理商标图片的细分区域的图像特征描述符。
在本发明的实施例中,在所述步骤C1,提取待处理商标图片的有效区域图像及像素点颜色值数据,并进行色块分割,获取待处理商标图片的有效区域图像数据,具体包括:
所述待处理商标图片的有效区域图像数据,包括:待处理商标图片的有效区域图像及图像各像素点的坐标位置、色块连通域、主色像素点、背景色像点数据。
所述待处理商标图片的来源可以包括:通过电脑设备、有摄像功能的手机、照相机、摄像头或集合有摄像头或存储图像的其他设备所获取的图像均可用于本技术方法的待处理商标图片。
图2列出示例性待处理商标图片或待处理商标图像,一般待处理商标图片或待处理商标图像会有背景颜色,这些背景颜色不是图像的主要特征,不是本申请所要处理的重点内容,主色像素点所组成的图像才是本方案分析的主要内容。因为处理的第一步就是提取待处理商标图片的有效区域图像,所述待处理商标图片的有效区域图像是指由该待处理商标图片中的有效区域所构成的图像,所述有效区域是指由主色像素点集合的外接图形所围绕的内部区域,所述外接图形包括:外接方形、外接圆形、外接几何图形。
需要说明的是,在本实施例中可通过现有技术提取像素点颜色值数据,并进行色块分割,从而获取待处理商标图片的有效区域图像数据,包括:色块连通域、主色像素点、背景色像点数据;
进一步地,所述色块分割是指对图像的像素点颜色值进行分类,将范围内相近的颜色值划分为一个色级,其中每一色级的像素点组成的图像为色块;
在本发明的实施例中,所述色块分割包括基于两色分割法和/或多色分割法分割色块;
所述两色分割法包括将反映图像主要颜色特征的颜色值归为主色级,将反映图像除主要颜色特征之外的颜色值归为背景色级;
所述多色分割法包括将反映图像主要颜色特征的颜色值细分为N个色级,N≥2,这些色级分别称为第一主色级、第二主色级、……、第N主色级,将反映图像除主要颜色特征之外的颜色值归为背景色级。
所述色块连通域,是将图像中同一色级的相互相连的像素点的集合作为一个色块连通域;其中,所述的色级是指根据具有较高的像素点集中度而划分出的一段颜色值区间,该区间中的颜色值较为相近,将该段颜色值区间称为一个色级。
所述主色像素点是指除背景色级外的主色级的像素点,或反映图像主要颜色特征的像素点;
所述背景色像素点包括反映图像除主色级的像素点外的像素点或除主要颜色特征之外的像素点。
图3列出了示例性图像的局部色块连通域分割数据表。
图3中,每个单元格表示一个像素,单元格中不为空的数字表示该像素为主色像素点,采用不同的数字区分不同的色块连通域,而空的单元格则表示为背景色的像素点,色块连通域就是同一数字的单元格(像素点)的集合。
在本发明的实施例中,在所述步骤C2:采用同一方向的分割线对有效区域图像进行多等份细分,获取具有同一切割方向的细分区域以及细分区域数据集,具体包括:
在本发明实施例中,步骤C2所述分割线的同一方向包括如下方向:水平向、垂直向、特定角度向;
具有同一切割方向的细分区域包括如下至一项:水平向分割细分区域,垂直向分割细分区域,特定角度向分割细分区域;
所述细分区域数据集为一个方向或者多个方向的细分区域的数据集合,其中所述细分区域数据集包括如下至少一项或多项的组合:水平向分割细分区域,垂直向分割细分区域,特定角度向分割细分区域;
所述水平向分割细分区域是指对有效区域图像沿着水平方向划分为n个等份所得到的分割区域;
所述垂直向分割细分区域是指对有效区域图像沿着垂直方向划分为n个等份所得到的分割区域;
所述特定角度分割细分区域是指对有效区域图像沿着预设的特定角度方向划分为n个等份所得到的分割区域,所述预设的特定角度在0°至360°的整数度中取值;
所述n个等份为大于3的整数。
在具体实施例中,当获取待处理图片的有效区域图像的细分区域时,用于分割有效区域图像的多条分割线的方向必须为同一方向,其中分割线的切割方向可以为:水平向、垂直向、特定角度向中任选一向进行划分,从而获取一个方向分割的细分区域。如图4所示:当选水平向时,由水平方向的分割线划分出只能是水平向分割细分区域。因为按方向相同进行多等份细分所得到的同一方向的多个等份的细分区域,可以加强图像之间的可比性。
在具体实施例中,当获取细分区域数据集时,先获取到有效图像的细分区域,采用具有同一方向的分割线在水平向、垂直向或特定角度向中任选方向分别进行划分,以获取一个或者多个所需分割方向的细分区域,然后,将每一切割方向的细分区域进行组合,从而获得一个或者多个方向分割的细分区域数据集。例如:当选水平向和垂直时,分割线的方向分别是水平向、垂直向,分别获取水平向分割细分区域和垂直向分割细分区域,将该水平向分割细分区域和垂直向分割细分区域的组合作为多个方向分割的细分区域集合。
图4列出了示例性图像采用15等份水平向分割分细分区域的示意图,图4中,共有15个细分区域,由上至下的第n个区域称为第n个水平向分割细分区域。
在本发明的实施例中,在步骤C3中,对所述待处理商标图片的有效区域图像的细分区域进行连通域确认、线段识别和线长计量操作,以获取待处理商标图片的有效区域图像的细分区域的图像特征数据,所述有效区域图像的细分区域的图像特征数据包括细分区域的连通域数、细分区域的线段数和细分区域的线长值。
具体包括如下步骤:
步骤C31:确认细分区域的连通域,获取细分区域的连通域数;
步骤C32:识别细分区域的线段,获取细分区域的线段数;
步骤C33:计量细分区域的线长,获取细分区域的线长值。
更进一步地,在本实施例中,所述步骤C31包括:
确认细分区域的连通域规则:在所述细分区域内,将由相互相连的主色块像素点集合所构成的局部区域作为所述细分区域的一个连通域,所述连通域可以是一个色块或一条色线,还可以是一个色点。
更进一步地,在本实施例中,所述步骤C32包括:
细分区域的线段是指细分区域中的有效连通域。在同一细分方向上细分区域的各连通域往往在一条线上排列,从粗略的角度观察,多个有效连通域排列的形态近似一条线段,因此,本发明将所述细分区域中符合预设有效连通域条件的连通域作为所述细分区域的线段;
所述预设有效连通域条件包括:
当连通域的最大高度等于细分区域的高度时,和/或连通域的最大长度大于等于细分区域单位线长标准时,则将该连通域识别为细分区域中的有效连通域,否则,将其识别为无效连通域;
在实际应用中,还可以根据应用需求,对连通域的形状特征、连通域的面积特征列为所述预设有效连通域条件。
进一步地,在本实施例中,获取细分区域的线段数包括:
首先,根据所述预设有效连通域条件判断并确定所述细分区域中各连通域的有效性,获取所述细分区域的有效连通域;然后,统计所述细分区域内的有效连通域的个数;最后,将所述细分区域内的有效连通域的个数作为所述细分区域的线段数。
在本发明的实施例中,所述步骤C33包括:
将所述细分区域中有效连通域在所述细分区域的分割线的方向上的主色块像素点的长度作为所述细分区域的线长,并将对所述细分区域中有效连通域在所述细分区域的分割线的方向上的主色块像素点数量以细分区域单位线长标准进行计量的数值作为所述细分区域的线长值;
所述细分区域单位线长标准是指对细分区域的长度进行线长计量的最小单位的标准;
进一步地,获取所述细分区域的线长值的方法包括:
步骤C331:确定细分区域单位线长标准;
步骤C332:根据细分区域单位线长标准获取各细分区域的线长值;
步骤C333:对各细分区域的线长值进行取整操作。
更进一步地,在本实施例中,所述步骤C331中,包括使用固定常数法和/或最大线段数法确定细分区域单位线长标准;
所述固定常数法包括:以待处理图片的有效区域图像最大的细分区域的线长为基准,预设的固定常数N作为等份数,每一等份的线长就是对细分区域的长度进行线长计量的最小单位,将该线长计量的最小单位作为细分区域单位线长标准。其中固定常数N在大于3的范围取值。计算公式如下:
L1=m/N;
L1表示固定常数法的细分区域单位线长标准,m表示待处理有效区域图像中最大的细分区域有效连通域的像素长度,N表示预设的固定常数。
图5列出了示例性图像的15等份细分区域单位线长标准示意图,图5中,该图中的外框线表示待处理图片的有效区域图像最大的细分区域的范围,假设固定常数N的取值为15,外框内部的小方格数量则表示该细分区域的等份数,每一小方格长度相等于每一个细分区域单位线长标准,小方格的个数也就是该细分区域的线长值。
所述最大线段数法包括:采用待处理有效区域图像最大的细分区域线长为基准,以待处理有效区域图像的细分区域的最大线段数作为等份数,每一等份的线长就是对细分区域的长度进行线长计量的最小单位,将该线长计量的最小单位作为细分区域单位线长标准。计算公式如下:
L2=m/N;
L2表示最大线段数法的细分区域单位线长标准,m表示待处理有效区域图像中最大的细分区域有效连通域的像素长度,n表示待处理有效区域图像的细分区域的最大线段数。
步骤C332:根据细分区域单位线长标准获取各细分区域的线长值
在本发明的实施例中,所述步骤C332,根据细分区域单位线长标准获取各细分区域的线长值具体包括:
当使用固定常数法确定细分区域单位线长标准时,根据如下公式获取各细分区域的线长值:
H1=S/L1;
其中,H1表示使用固定常数法的细分区域的线长值,S表示当前细分区域有效连通域的像素长度,L1表示固定常数法的细分区域单位线长标准;
当使用最大线段法确定细分区域单位线长标准时,根据如下公式获取各细分区域的线长值:
H2=S/L2;
H2表示使用最大线段法的细分区域的线长值,S表示当前细分区域有效连通域的像素长度,L2表示最大线段数法的细分区域单位线长标准。
步骤C33:对各细分区域的线长值进行取整操作
在本发明的实施例中,前述公式计算出的细分区域的线长值H1和H2往往不为整数,为了便于图像之间细分区域的线长值的共同特征比较,实际应用中需要对细分区域的线长值进行取整。
在本发明的实施例中,步骤C4所述待处理商标图片的细分区域的图像特征描述符包括:粗略图像特征描述符和/或精细图像特征描述符。
其中,粗略图像特征描述符是待处理商标图片的细分区域的图像特征描述符的可选数据,目的是用于图像特征数据检索的粗细过滤,而精细图像特征描述符是待处理商标图片的细分区域的图像特征描述符的主要数据,用于精细计算评价检索图像的近似程度。
获取粗略图像特征描述符如下步骤:
步骤C41:对待处理商标图片的有效区域图像的细分区域进行组合,获取待处理商标图片的有效区域图像的组合部分区域;
步骤C42:统计各所述组合部分区域的线段线长数据;
步骤C43:统计待处理商标图片的有效区域图像中整体范围的线段线长的特征数据;
步骤C44:将各所述组合部分区域的线段线长数据和整体范围的线段线长的特征数据进行组合处理,生成粗略图像特征描述符;
所述粗略图像特征描述符是指从图像中较为大的局部范围或/和整体范围粗略描述图像的共同性特征的描述符。包括:待处理商标图片的有效区域图像中较为大的局部范围粗略描述图像的共同性特征的数据信息和待处理商标图片的有效区域图像中整体范围粗略描述图像的共同性特征的数据信息。
更进一步地,所述步骤C41还包括:
将待处理商标图片的有效区域图像的至少两个细分区域按照位置相邻或相连关系以组合规则进行组合形成局部区域,所述局部区域为待处理商标图片的有效区域图像的组合部分区域;
所述组合规则包括:
同一组合部分区域的细分区域相互相连或相邻;
各组合部分区域的细分区域的组合数相互相等或偏差小于偏差预设值,所述偏差预设值的取值范围为大于等于1小于10;
每一组合部分区域的细分区域的组合数大于等于2。
所述的组合部分区域可根据不同的分割法所得的细分区域组合称为第N组合部分区域行或第N组合部分区域列等,例如:
采用水平向分割法所得到的细分区域组合可以按排列顺序将其称为:水平方向上第一组合部分区域、水平方向上第二组合部分区域、水平方向上第三组合部分区域、……、水平方向上第N组合部分区域。或也可将其称为:上组合部分区域、……、中组合部分区域、……、下组合部分区域。
采用垂直向分割法所得到的细分区域组合可以按排列顺序将其称为:垂直方向上第一组合部分区域、垂直方向上第二组合部分区域、垂直方向上第三组合部分区域、……、垂直方向上第N组合部分区域。或也可将其称为:左组合部分区域、……、中组合部分区域、……、右组合部分区域。
采用特定角度分割法所得到的细分区域组合可以按排列顺序将其称为:角度C方向上第一组合部分区域、角度C方向上第二组合部分区域、角度C方向上第三组合部分区域、……、角度C方向上第N组合部分区域。
在本发明的实施例中,所述步骤C42,各组合部分区域的线段线长数据包括:组合部分区域的平均线段数、组合部分区域的主要线段数、组合部分区域的平均线长值和组合部分区域的主要线长值;
所述组合部分区域的平均线段数为将当前组合部分区域的各细分区域线段数之和再除以当前组合部分区域的细分区域的个数,所述组合部分区域的平均线段数反映了图像在较大的局部区域中线段数的集中趋势的一项图像特征数据;
所述组合部分区域的主要线段数是指当在该组合部分区域范围内的某一线段数拥有的细分区域数最多且该拥有的细分区域数占该组合部分区域的细分区域总数的比值大于线段数比例预设值,则该某一线段数为该组合部分区域的主要线段数,它反映了图像在较大的局部区域中拥有同一线段数特征的一项图像特征数据。其中,所述线段数比例预设值在大于30%小于等于100%范围取值;
所述组合部分区域的平均线长值为将当前组合部分区域的各细分区域线长值之和再除以当前组合部分区域的细分区域的个数,该组合部分区域的平均线长值反映了图像在较大的局部区域中线长值的集中趋势的一项图像特征数据。
所述组合部分区域的主要线长值是指当在该组合部分区域范围内的某一线长值拥有的细分区域数最多且该拥有的细分区域数占该组合部分区域的细分区域总数的比值大于线长值比例预设值,则该某一线长值为该组合部分区域的主要线长值,它反映了图像在较大的局部区域中拥有同一线长值特征的一项图像特征数据。其中,所述线长值比例预设值在大于30%小于等于100%范围取值。
在本发明的实施例中,所述步骤C43,待处理商标图片的有效区域图像中整体范围的线段线长的特征数据包括:各细分区域的线段数合计数、各部分细分区域的线长值合计数以及待处理商标图片的有效区域图像的色块连通域数;
根据待处理商标图片的有效区域图像的细分区域的图像特征数据获取待处理商标图片的有效区域图像的色块连通域数;
获取待处理商标图片的有效区域图像中各细分区域的线段数之和,该和即为各细分区域的线段数合计数;
获取待处理商标图片的有效区域图像中各细分区域的线长值之和,该和即为各部分细分区域的线长值合计数。
在本发明的实施例中,所述步骤C44,将各所述组合部分区域的线段线长数据和整体范围的线段线长的特征数据进行组合处理,生成粗略图像特征描述符。所述粗略图像特征描述符包括:图像的组合部分区域的平均线段数组合描述符、图像组合部分区域的主要线段数组合描述符、图像组合部分区域的平均线长值组合描述符、图像组合部分区域的主要线长值组合描述符和待处理商标图片的有效区域图像的色块连通域数描述符;所述粗略图像特征描述符可以用数字或其他字符表示。
在本实施例中,图像的组合部分区域的平均线段数组合描述符的表示方法,由如下各项组合构成:
(1)用数字或其他字符表示有效区域图像全部细分区域的线段数合计数;
(2)各组合部分区域的平均线段数;
图像组合部分区域的主要线段数组合描述符的表示方法,由如下各项组合构成:
(1)用数字或其他字符表示有效区域图像全部细分区域的线段数合计数;
(2)各组合部分区域的主要线段数;
图像组合部分区域的平均线长值组合描述符的表示方法,由如下各项组合构成:
(1)用数字或其他字符表示有效区域图像全部细分区域的线长值合计数;
(2)各组合部分区域的平均线长值;
图像组合部分区域的主要线长值组合描述符的表示方法,由如下各项组合构成:
(1)用数字或其他字符表示有效区域图像全部细分区域的线长值合计数;
(2)各组合部分区域的主要线长值。
待处理商标图片的有效区域图像的色块连通域数描述符的表示方法:用数字或其他字符表示待处理商标图片的有效区域图像的色块连通域数。
图2列出了示例性待处理商标图片的有效区域图像,以图2的示例性图样为例,进一步说明各粗略图像特征描述符的表示方法如下:
图像的组合部分区域的平均线段数组合描述符应用实例:
实例1:假设图像的组合部分区域数为2个,那么图像的组合部分区域的平均线段数组合描述符为:0370102;
其中,前三位数表示待处理商标图片的有效区域图像全部细分区域的线段数合计数,第四、五位数表示第一组合部分区域的平均线段数,第六、七位数表示第二组合部分区域的平均线段数。
实例2:假设图像的组合部分区域数为3个,那么图像的组合部分区域的平均线段数组合描述符为:037010102;
其中,前三位数表示待处理商标图片的有效区域图像全部细分区域的线段数合计数,第四、五位数表示第一组合部分区域的平均线段数,第六、七位数表示第二组合部分区域的平均线段数,第八、九位数表示第三组合部分区域的平均线段数。
以此类推。
图像组合部分区域的主要线段数组合描述符应用实例:
实例3:假设图像的组合部分区域数为3个,那么图像组合部分区域的主要线段数组合描述符为:037010102;
其中,前三位数表示待处理商标图片的有效区域图像全部细分区域的线段数合计数,第四、五位数表示第一组合部分区域的主要线段数,第六、七位数表示第二组合部分区域的主要线段数,第八、九位数表示第三组合部分区域的主要线段数。
以此类推。
图像组合部分区域的平均线长值组合描述符应用实例:
实例4:假设图像的组合部分区域数为3个,那么图像组合部分区域的平均线长值组合描述符为:180151314;
其中,前三位数表示待处理商标图片的有效区域图像全部细分区域的线长值合计数,第四、五位数表示第一组合部分区域的平均线长值,第六、七位数表示第二组合部分区域的平均线长值,第八、九位数表示第三组合部分区域的平均线长值。
以此类推。
优选的,图像组合部分区域的主要线长值组合描述符应用实例:
实例5:假设图像的组合部分区域数为3个,那么图像组合部分区域的主要线长值组合描述符为:180151514;
其中,前三位数表示待处理商标图片的有效区域图像全部细分区域的线长值合计数,第四、五位数表示第一组合部分区域的平均线长值,第六、七位数表示第二组合部分区域的平均线长值,第八、九位数表示第三组合部分区域的平均线长值。
以此类推。
步骤C4所述待处理商标图片的细分区域的图像特征描述符,
在所述步骤C4中,精细图像特征描述符是所述待处理商标图片的细分区域的图像特征描述符的主要数据。
获取精细图像特征描述符包括:
所述精细图像特征描述符是指从图像中较为小的局部(细分区域)范围精细描述图像的共同性特征的描述符。所述较为小的局部就是细分区域,所述细分区域是本发明的图像数据最小的分割单元,具有精细的特征。
所述精细图像特征描述符包括:待处理商标图片的有效区域图像中各细分区域的线段数集合和各细分区域的线长值集合;
其中,按照细分区域的编号顺序记录各细分区域的线段数的一组数字或字符串的集合为各细分区域的线段数集合,具体地,各细分区域的线段数的集合的表示方法包括:
1)数字或其他字符的组数等于待处理商标图片的有效区域图像的细分区域数;
2)每组数应表示细分区域的编号和该细分区域的线段数。
按照细分区域的编号顺序记录各细分区域的线长值的一组数字或字符串的集合为各细分区域的线长值集合,具体地,各细分区域的线长值的集合的表示方法包括:
1)数字或其他字符的组数等于待处理商标图片的有效区域图像的细分区域数;
2)每组数应表示细分区域的编号和该细分区域的线长值。
以图2的示例性图样为例,进一步说明精细图像特征描述符的表示方法如下:
图像的各细分区域的线段数的集合的描述符应用实例:
实例6:假设图2的示例性图样划分25个细分区域,图像的各细分区域的线段数的集合的描述符可以记为:
0102,0202,0302,0402,0502,0602,0702,0802,0902,1002,1102,1202,1300,1402,1502,1602,1702,1802,1902,2002,2102,2202,2302,2402,2502;
其中,每个“,”内的数字为一组数,用25组数表示图像的25个细分区域数,每组数表示该细分区域的编号和该编号对应的细分区域的线段数,每组数的前二位数表示细分区域的编号,每组数的第三、四位数表示该细分区域的线段数。可选地,在应用实例中,表示细分区域的编号也可省略,由其数字或字符串的固定顺序间接表示细分区域的顺序。
图像的各细分区域的线段数的集合的描述符应用实例:
实例7:假设图2的示例性图样划分25个细分区域,图像的各细分区域的线长值的集合的描述符可以记为:
0115,0215,0315,0415,0515,0615,0715,0815,0915,1015,1115,1215,1303,1414,1514,1614,1714,1814,1914,2014,2114,2214,2314,2414,2514;
其中,每个“,”内的数字为一组数,用25组数表示图像的25个细分区域数,每组数表示该细分区域的编号和该编号对应的细分区域的线长值,每组数的前二位数表示细分区域的编号,每组数的第三、四位数表示该细分区域的线长值。
经前述各步处理,获取精细图像特征描述符,将其作为待处理商标图片的细分区域的图像特征描述符的主要数据;获取粗略图像特征描述符,将其作为待处理商标图片的细分区域的图像特征描述符的可选的辅助数据。
粗略图像特征描述符和精细图像特征描述符的组合提取及应用,能有效兼顾图像的共同性和区分性问题。
步骤D:以所述细分区域的图像特征描述符为检索关键词,在所述样本库内进行样本商标图片查询,获取初步样本商标图片查询结果;
所述细分区域的图像特征描述符包括粗略图像特征描述符和/或精细图像特征描述符。
所述粗略图像特征描述符从图像中较为大的局部范围或/和整体范围粗略描述图像的共同性特征,所述粗略图像特征描述符有利于在应用于以图查图的检索中快速找到图像可能具有共同性的特征。
所述精细图像特征描述符从图像中较为小的局部范围(细分区域)精细描述图像的共同性特征,所述精细图像特征描述符有利于在应用于以图查图的检索中准确找到图像可能具有共同性的特征。
针对输入商标图片所提取的粗略图像特征描述符和精细图像特征描述符,可以存储在样本库内,用于图像特征的检索,所述图片数据包括:在一国家中含有全部或至少大部分的已经申请/注册的商标标识图片,表示描述事物的示例性样本图片。
在本发明的实施例中,以前述提取的图像特征描述符作为检索关键词对样本库所记录的图片数据所对应的粗特征图像描述符和或精细图像特征描述符进行查询,获取初步样本商标图片查询结果。
所述的图片数据既包括现有的商标标识图片或简称商标图片,也包括表示描述事物的各种示例性样本图片,当图片数据越丰富时,越容易找到商标图形要素编码所对应的图片数据。
步骤E:对所述初步样本商标图片查询结果的样本商标图片所对应记录的细分区域的图像特征描述符与输入商标图片所提取的细分区域的图像特征描述符进行匹配率计算,以获得初步样本商标图片查询结果的匹配率排序参数。
所述细分区域的图像特征描述符包括:精细图像特征描述符、粗略图像特征描述符。
所述精细图像特征描述符从图像中较为小的局部范围(细分区域)精细描述图像的共同性特征,精细图像特征描述符能在应用于以图查图的检索中快速评价检索结果中图像之间的区分性的特征。
所述精细图像特征描述符包括:待处理商标图片的有效区域图像中各细分区域的线段数集合和各细分区域的线长值集合。
所述粗略图像特征描述符从图像中较为大的局部范围或/和整体范围粗略描述图像的共同性特征,所述粗略图像特征描述符有利于在应用于以图查图的检索中快速找到图像可能具有共同性的特征。
所述粗略图像特征描述符包括:图像的组合部分区域的平均线段数组合描述符、图像组合部分区域的主要线段数组合描述符、图像组合部分区域的平均线长值组合描述符、图像组合部分区域的主要线长值组合描述符和待处理商标图片的有效区域图像的色块连通域数描述符。
通过比较样本商标图片与输入商标图片之间各对应细分区域的线段数、图像各细分区域对应的线长值以及粗略图像特征描述符的差异,能有效识别出图像的相似性。
在本发明的实施例中,所述步骤E,获取初步样本商标图片查询结果与输入商标图片匹配率排序参数包括如下步骤:
步骤E1:以图像的细分区域为单位,比较各相同序号的细分区域对的线段数是否相等,若是,则视为相互匹配,若否,则视为不匹配,并根据如下公式获取线段数匹配率;
A=N′/W,A≤100%;
其中,A表示线段数匹配率;N′表示匹配线段数的细分区域数;W表示图像的细分区域总数;
步骤E2:以图像的细分区域为单位,比较各相同序号的细分区域对的线长值是否相等,若是,则视为相互匹配,若否,则视为不匹配,并根据如下公式获取线长值匹配率;
B=M/W,B≤100%;
其中,B表示线长值匹配率;M表示匹配线长值的细分区域数;W表示图像的细分区域总数;
步骤E3:确定或图像匹配类型调整参数;
所述图像匹配类型包括:图像整图与整图之间的匹配,图像整图与分卡图之间的匹配,分卡图与分卡图之间的匹配。
所述的分卡图是指由图像整图分割出的局部图。
图像匹配类型调整参数可根据应用需求确定,图像匹配类型调整参数一般可在大于等于0小于100%范围内取值。
步骤E4:确定连通域数偏差的调整参数;
连通域数偏差的调整参数可根据应用需求确定,连通域数偏差的调整参数一般可在大于等于0小于100%范围内取值。
步骤E5:根据如下公式获取匹配率排序参数;
T=A×α+B×β-t-C;
其中:T表示图像的匹配率排序参数,A表示线段数匹配率,B表示线长值匹配率,α表示线段数匹配权数,β表示线长值匹配权数,t表示匹配图的类型调整参数,C表示连通域匹配率。
在本发明实施例中,获得图像的匹配率排序参数后,将排序参数大于预设匹配率值的样本商标图片所对应记录的商标图形要素编码作为输入商标图片的商标图形要素编码。具体方法,包括:
(1)、将排序参数最大的一件或多件且大于预设匹配率值的样本商标图片对应已记录的商标图形要素编码作为输入商标图片的商标图形要素编码。
在本发明实施例中,排序参数最大一件或多件且大于预设匹配率值的样本商标图片,尤其是预设匹配率值设置较高时,一般可以确认两匹配的图像基本属于视觉上相同或高度近似的图片,因此,将排序参数最大一件或多件且大于预设匹配率值的样本图片所对应已记录的商标图形要素编码作为输入商标图片的商标图形要素编码,具有较高的准确性。
(2)、将排序参数大于预设匹配率值的样本商标图片所对应已记录的商标图形要素编码在用户端进行显示,排序参数最大一件或多件且大于预设匹配率值的样本商标图片及其所对应已记录的商标图形要素编码,作为可供筛选的商标图形要素编码,由用户端选中的商标图形要素编码作为输入商标图片的商标图形要素编码。
在本发明实施例中,排序参数最大一件或多件且大于预设匹配率值的样本商标图片仅适合样本库中存储有完全相同的图片,但实际应用中,可能还有更多的输入商标图片并不会有较高的匹配率,需要通过降低预设匹配率值设置获取可能匹配的样本商标图片及其对应已记录的商标图形要素编码,也相对降低了将排序参数大于预设匹配率值的样本商标图片及其对应已记录的商标图形要素编码作为输入商标图片的商标图形要素编码的准确性,因此,通过系统与用户端的互动、人工界入筛选、确定,能有效提高生成商标图形要素编码的准确性。
在本发明实施例中,还涉及一种图片的商标图形要素编码生成系统,图6列出本发明的一种图片的商标图形要素编码生成系统的结构图。
现以图6所述的结构,进一步说明系统的具体结构及处理内容:
一种图片的商标图形要素编码生成系统,包括:用户端、服务器、数据存储器、图像处理器、检索处理器,所述用户端通过无线网络或互联网连接所述服务器,所述服务器与所述数据存储器、所述图像处理器、所述检索处理器之间通过局域网或互联网实现连接并执行如下处理操作:
所述用户端用于动态拍摄获取目标商标图片或选择存储在用户端的目标商标图片或已存储在数据存储器上的样本库的样本商标图片,以获得待处理商标图片;
所述用户端还用于将所述待处理商标图片进行裁剪或确认预处理操作,以获取有效区域图像并将处理后的待处理商标图片发送给所述服务器;所述用户端接收到返回的待处理商标图片的商标图形要素编码生成结果进行确认或编辑修正,将确认或编辑修正后的输入商标图片的商标图形要素编码向所述服务器进行反馈回应;
所述服务器用于在接收到所述待处理商标图片后,控制所述图像处理器采用同一方向的分割线对有效区域图像进行多等份细分,获取所述有效区域图像的细分区域,提取各细分区域的图像特征描述符;
所述服务器还用于控制检索处理器以所述细分区域的图像特征描述符为检索关键词,对数据存储器所存储在样本库内进行样本商标图片进行查询,获取初步样本商标图片查询结果;并对所述初步样本商标图片所对应记录的细分区域的图像特征描述符与输入商标图片所提取的细分区域的图像特征描述符进行匹配率计算,以获得所述各初步样本商标图片与输入商标图片的匹配率排序参数;
所述服务器还用于将所述匹配率排序参数大于预设匹配率值的初步样本商标图片所对应记录的商标图形要素编码作为输入商标图片的商标图形要素编码,并返回所述用户端,对输入商标图片的商标图形要素编码进行确认和显示。
在本发明实施例中,还涉及一种图片的商标图形要素编码生成装置,所述装置包括:
样本库存储模块,用于建立样本库,获取样本商标图片及该样本商标图片所对应记录的商标图形要素编码;
图像预处理模块,用于对待处理商标图片进行预处理以获取有效区域图像,其中,待处理商标图片包括:样本商标图片和输入商标图片;
图像特征数据处理模块,用于采用同一方向的分割线对有效区域图像进行多等份细分,获取所述有效区域图像的细分区域,提取各细分区域的图像特征描述符;
检索模块,用于以所述细分区域的图像特征描述符为检索关键词,在所述样本库内进行样本商标图片查询,获取初步样本商标图片查询结果;
匹配率计算模块,用于对所述初步样本商标图片所对应记录的细分区域的图像特征描述符与输入商标图片所提取的细分区域的图像特征描述符进行匹配率计算,以获得所述各初步样本商标图片与输入商标图片的匹配率排序参数;
商标图形要素编码确认模块,用于将所述匹配率排序参数最大的一件或多件且大于预设匹配率值的初步样本商标图片所对应记录的商标图形要素编码作为输入商标图片的商标图形要素编码。
在本发明实施例中,还涉及一种图像数据存储器,包括:
商标图形要素编码样本数据存储单元,用于存储所述获取样本商标图片及该样本商标图片所对应记录的商标图形要素编码;
生成商标图形要素编码数据存储单元,用于存储所述计算机程序被处理器执行时实现如下步骤中任一项所述的方法所生成的生成商标图形要素编码:
对待处理商标图片进行预处理以获取有效区域图像,其中,待处理商标图片包括:样本商标图片和输入商标图片;
采用同一方向的分割线对有效区域图像进行多等份细分,获取所述有效区域图像的细分区域,提取各细分区域的图像特征描述符;
以所述细分区域的图像特征描述符为检索关键词,在所述样本库内进行样本商标图片查询,获取初步样本商标图片查询结果;
对所述初步样本商标图片所对应记录的细分区域的图像特征描述符与输入商标图片所提取的细分区域的图像特征描述符进行匹配率计算,以获得所述各初步样本商标图片与输入商标图片的匹配率排序参数;
将所述匹配率排序参数大于预设匹配率值的初步样本商标图片所对应记录的商标图形要素编码作为输入商标图片的商标图形要素编码。
在本发明实施例中,还涉及一种计算机存储介质,所述计算机存储介质存储有计算机指令,所述计算机指令被调用时用于执行前述全部或部分方法任一项所述的图片的商标图形要素编码生成方法。
以上所描述的装置实施例仅是示意性的,其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施例的具体描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,存储介质包括只读存储器(Read-Only Memory,ROM)、随机存储器(Random Access Memory,RAM)、可编程只读存储器(Programmable Read-only Memory,PROM)、可擦除可编程只读存储器(ErasableProgrammable Read Only Memory,EPROM)、一次可编程只读存储器(One-timeProgrammable Read-Only Memory,OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory,EEPROM)、只读光盘(CompactDisc Read-Only Memory,CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上结合具体实施例描述了本发明的技术原理。这些描述只是为了解释本发明的原理,而不能以任何方式解释为对本发明保护范围的限制。基于此处的解释,本领域的技术人员不需要付出创造性的劳动即可联想到本发明的其它具体实施方式,这些方式都将落入本发明的保护范围之内。
Claims (10)
1.一种图片的商标图形要素编码生成方法,其特征在于:
包括如下步骤:
步骤A:建立样本库,获取样本商标图片及该样本商标图片所对应记录的商标图形要素编码;
步骤B:对待处理商标图片进行预处理以获取有效区域图像,其中,待处理商标图片包括:样本商标图片和输入商标图片;
步骤C:采用同一方向的分割线对有效区域图像进行多等份细分,获取所述有效区域图像的细分区域,提取各细分区域的图像特征描述符;
步骤D:以所述细分区域的图像特征描述符为检索关键词,在所述样本库内进行样本商标图片查询,获取初步样本商标图片查询结果;
步骤E:对所述初步样本商标图片所对应记录的细分区域的图像特征描述符与输入商标图片所提取的细分区域的图像特征描述符进行匹配率计算,以获得所述各初步样本商标图片与输入商标图片的匹配率排序参数;
步骤F:将所述匹配率排序参数大于预设匹配率值的初步样本商标图片所对应记录的商标图形要素编码作为输入商标图片的商标图形要素编码。
2.根据权利要求1所述一种图片的商标图形要素编码生成方法,其特征在于:
在所述步骤A中,建立样本库,所述样本库收录如下其中至少一项数据:
一个国家的样本商标数据中的已经申请/注册的商标标识图片及该商标标识图片所对应记录的商标图形要素编码;
和/或商标图形要素编码及所对应的示例性样本商标图片和非样本商标图片。
3.根据权利要求1所述一种图片的商标图形要素编码生成方法,其特征在于:
在所述步骤B中,所述待处理商标图片具体包括:动态拍摄获取的目标商标图片,和/或存储在电脑设备上的目标商标图片,和/或已存储在样本库的样本商标图片。
4.根据权利要求1所述一种图片的商标图形要素编码生成方法,其特征在于:
在所述步骤C中,所述细分区域的图像特征描述符获取方法包括:
步骤C1:提取待处理商标图片的有效区域图像及像素点颜色值数据,并进行色块分割,获取待处理商标图片的有效区域图像数据;
步骤C2:采用同一方向的分割线对有效区域图像进行多等份细分,获取具有同一切割方向的细分区域以及细分区域数据集;
步骤C3:对所述待处理商标图片的有效区域图像的细分区域进行连通域确认、线段识别和线长计量操作,以获取待处理商标图片的有效区域图像的细分区域的图像特征数据;
步骤C4:对待处理商标图片的有效区域图像的细分区域的图像特征数据进行统计、组合处理,以获取待处理商标图片的细分区域的图像特征描述符;
其中,所述细分区域的图像特征描述符包括如下各项至少一项:粗略图像特征描述符和/或精细图像特征描述符。
5.根据权利要求1所述一种图片的商标图形要素编码生成方法,其特征在于:
在所述步骤E中,所述获取所述各初步样本商标图片与输入商标图片的匹配率排序参数的方法,包括:
步骤E1:以图像的细分区域为单位,比较各相同序号的细分区域对的线段数是否相等,若是,则视为相互匹配,若否,则视为不匹配,并根据如下公式获取线段数匹配率;
A=N′/W,A≤100%;
其中,A表示线段数匹配率;N′表示匹配线段数的细分区域数;W表示图像的细分区域总数;
步骤E2:以图像的细分区域为单位,比较各相同序号的细分区域对的线长值是否相等,若是,则视为相互匹配,若否,则视为不匹配,并根据如下公式获取线长值匹配率;
B=M/W,B≤100%;
其中,B表示线长值匹配率;M表示匹配线长值的细分区域数;W表示图像的细分区域总数;
步骤E3:确定或图像匹配类型调整参数;
所述图像匹配类型包括:图像整图与整图之间的匹配,图像整图与分卡图之间的匹配,分卡图与分卡图之间的匹配;
所述的分卡图为由图像整图分割出的局部图;
图像匹配类型调整参数在大于等于0小于100%范围内取值;
步骤E4:确定连通域数偏差的调整参数;
连通域数偏差的调整参数在大于等于0小于100%范围内取值;
步骤E5:根据如下公式获取匹配率排序参数;
T=A×α+B×β-t-C;
其中:T表示图像的匹配率排序参数,A表示线段数匹配率,B表示线长值匹配率,α表示线段数匹配权数,β表示线长值匹配权数,t表示匹配图的类型调整参数,C表示连通域匹配率。
6.根据权利要求1所述一种图片的商标图形要素编码生成方法,其特征在于:
在所述步骤F中,生成输入商标图片的商标图形要素编码,包括如下至少一项:
将排序参数最大的一件或多件且大于预设匹配率值的样本商标图片所对应已记录的商标图形要素编码作为输入商标图片的商标图形要素编码;
将排序参数大于预设匹配率值的样本商标图片所对应已记录的商标图形要素编码在用户端进行显示,将排序参数最大一件或多件且大于预设匹配率值的样本商标图片及其所对应已记录的商标图形要素编码,作为可供筛选的商标图形要素编码,由用户端选中的商标图形要素编码作为输入商标图片的商标图形要素编码。
7.一种图片的商标图形要素编码生成系统,其特征在于:
包括用户端、服务器、数据存储器、图像处理器、检索处理器;
所述用户端通过无线网络或互联网连接所述服务器,所述服务器与所述数据存储器、所述图像处理器、所述检索处理器之间通过局域网或互联网实现连接并执行如下处理操作:
所述用户端用于动态拍摄获取目标商标图片或选择存储在用户端的目标商标图片或已存储在数据存储器上的样本库的样本商标图片,以获得待处理商标图片;
所述用户端还用于将所述待处理商标图片进行裁剪或确认预处理操作,以获取有效区域图像并将处理后的待处理商标图片发送给所述服务器;所述用户端接收到返回的待处理商标图片的商标图形要素编码生成结果进行确认或编辑修正,将确认或编辑修正后的输入商标图片的商标图形要素编码向所述服务器进行反馈回应;
所述服务器用于在接收到所述待处理商标图片后,控制所述图像处理器对有效区域图像采用同一方向的分割线对有效区域图像进行多等份细分,获取所述有效区域图像的细分区域,提取各细分区域的图像特征描述符;
所述服务器还用于控制检索处理器以所述细分区域的图像特征描述符为检索关键词,对数据存储器所存储在样本库内进行样本商标图片进行查询,获取初步样本商标图片查询结果;并对所述初步样本商标图片所对应记录的细分区域的图像特征描述符与输入商标图片所提取的细分区域的图像特征描述符进行匹配率计算,以获得所述各初步样本商标图片与输入商标图片的匹配率排序参数;
所述服务器还用于将所述匹配率排序参数大于预设匹配率值的初步样本商标图片所对应记录的商标图形要素编码作为输入商标图片的商标图形要素编码,并返回所述用户端,对输入商标图片的商标图形要素编码进行确认和显示。
8.一种图片的商标图形要素编码生成装置,其特征在于:
所述装置包括:
样本库存储模块,用于建立样本库,获取样本商标图片及该样本商标图片所对应记录的商标图形要素编码;
图像预处理模块,用于对待处理商标图片进行预处理以获取有效区域图像,其中,待处理商标图片包括:样本商标图片和输入商标图片;
图像特征数据处理模块,用于采用同一方向的分割线对有效区域图像进行多等份细分,获取所述有效区域图像的细分区域,提取各细分区域的图像特征描述符;
检索模块,用于以所述细分区域的图像特征描述符为检索关键词,在所述样本库内进行样本商标图片查询,获取初步样本商标图片查询结果;
匹配率计算模块,用于对所述初步样本商标图片所对应记录的细分区域的图像特征描述符与输入商标图片所提取的细分区域的图像特征描述符进行匹配率计算,以获得所述各初步样本商标图片与输入商标图片的匹配率排序参数;
商标图形要素编码确认模块,用于将所述匹配率排序参数最大的一件或多件且大于预设匹配率值的初步样本商标图片所对应记录的商标图形要素编码作为输入商标图片的商标图形要素编码。
9.一种图像数据存储器,其特征在于:
包括:
商标图形要素编码样本数据存储单元,用于存储所述获取样本商标图片及该样本商标图片所对应记录的商标图形要素编码;
生成商标图形要素编码数据存储单元,用于存储所述计算机程序被处理器执行时实现如下步骤中任一项所述的方法所生成的生成商标图形要素编码:
对待处理商标图片进行预处理以获取有效区域图像,其中,待处理商标图片包括:样本商标图片和输入商标图片;
采用同一方向的分割线对有效区域图像进行多等份细分,获取所述有效区域图像的细分区域,提取各细分区域的图像特征描述符;
以所述细分区域的图像特征描述符为检索关键词,在所述样本库内进行样本商标图片查询,获取初步样本商标图片查询结果;
对所述初步样本商标图片所对应记录的细分区域的图像特征描述符与输入商标图片所提取的细分区域的图像特征描述符进行匹配率计算,以获得所述各初步样本商标图片与输入商标图片的匹配率排序参数;
将所述匹配率排序参数大于预设匹配率值的初步样本商标图片所对应记录的商标图形要素编码作为输入商标图片的商标图形要素编码。
10.一种计算机存储介质,其特征在于:所述计算机存储介质存储有计算机指令,所述计算机指令被调用时用于执行如权利要求1-6任一项所述的图片的商标图形要素编码生成方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110873879.0A CN113553980A (zh) | 2021-07-30 | 2021-07-30 | 一种图片的商标图形要素编码生成方法、系统及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110873879.0A CN113553980A (zh) | 2021-07-30 | 2021-07-30 | 一种图片的商标图形要素编码生成方法、系统及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113553980A true CN113553980A (zh) | 2021-10-26 |
Family
ID=78133405
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110873879.0A Pending CN113553980A (zh) | 2021-07-30 | 2021-07-30 | 一种图片的商标图形要素编码生成方法、系统及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113553980A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115100479A (zh) * | 2022-07-25 | 2022-09-23 | 深圳安牌信息技术有限公司 | 基于图像识别的商标自动分类处理方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140278797A1 (en) * | 2013-03-15 | 2014-09-18 | Wal-Mart Stores, Inc. | Attribute-based-categorical-popularity-assignment apparatus and method |
CN105574161A (zh) * | 2015-12-15 | 2016-05-11 | 徐庆 | 一种商标图形要素识别方法、装置和系统 |
CN106649851A (zh) * | 2016-12-30 | 2017-05-10 | 徐庆 | 近似商标查询结果排序方法、装置及其商标服务器 |
CN107527055A (zh) * | 2017-08-04 | 2017-12-29 | 佛山市国方商标服务有限公司 | 图像分卡处理方法、装置及图像检索方法、装置和系统 |
CN108763380A (zh) * | 2018-05-18 | 2018-11-06 | 徐庆 | 商标识别检索方法、装置、计算机设备和存储介质 |
-
2021
- 2021-07-30 CN CN202110873879.0A patent/CN113553980A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140278797A1 (en) * | 2013-03-15 | 2014-09-18 | Wal-Mart Stores, Inc. | Attribute-based-categorical-popularity-assignment apparatus and method |
CN105574161A (zh) * | 2015-12-15 | 2016-05-11 | 徐庆 | 一种商标图形要素识别方法、装置和系统 |
CN106649851A (zh) * | 2016-12-30 | 2017-05-10 | 徐庆 | 近似商标查询结果排序方法、装置及其商标服务器 |
CN107527055A (zh) * | 2017-08-04 | 2017-12-29 | 佛山市国方商标服务有限公司 | 图像分卡处理方法、装置及图像检索方法、装置和系统 |
CN108763380A (zh) * | 2018-05-18 | 2018-11-06 | 徐庆 | 商标识别检索方法、装置、计算机设备和存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115100479A (zh) * | 2022-07-25 | 2022-09-23 | 深圳安牌信息技术有限公司 | 基于图像识别的商标自动分类处理方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9940655B2 (en) | Image processing | |
US6584223B1 (en) | Image search apparatus and method | |
US20020146176A1 (en) | Method for representing and comparing digital images | |
CN106228554A (zh) | 基于多属性约简的模糊粗糙集煤粉尘图像分割方法 | |
CN114511718B (zh) | 一种建筑施工用物料智能管理方法及系统 | |
CN111507411A (zh) | 一种图像比对的方法及系统 | |
CN109978849B (zh) | 基于数字病理图像的基线细胞确定方法、装置及可读介质 | |
CN113553980A (zh) | 一种图片的商标图形要素编码生成方法、系统及装置 | |
CN109657083B (zh) | 纺织品图片特征库的建立方法和装置 | |
CN112015935A (zh) | 图像搜索方法、装置、电子设备及存储介质 | |
CN105843930A (zh) | 一种检索视频的方法及装置 | |
JP2006221525A (ja) | オブジェクト検索システムおよび方法 | |
CN113553463B (zh) | 一种商标识别查询方法、系统、数据存储器及存储介质 | |
CN114416786A (zh) | 流数据的处理方法、装置、存储介质及计算机设备 | |
CN113434463A (zh) | 一种根据二维码进行文件分类的方法 | |
US7899255B2 (en) | Method for recognizing and indexing digital media | |
CN111428063A (zh) | 基于地理空间位置划分的图像特征关联处理方法及系统 | |
CN113077410A (zh) | 图像检测方法、装置方法、芯片及计算机可读存储介质 | |
CN113553463A (zh) | 一种商标识别查询方法、系统、数据存储器及存储介质 | |
CN115265620B (zh) | 一种仪器显示数据的获取录入方法、装置和存储介质 | |
CN115631392B (zh) | 一种基于深度学习的晶体tem图像物相区域划分方法 | |
CN116630341B (zh) | 病理数字化玻片的处理方法及系统 | |
CN116881831B (zh) | 基于遥感技术的道路识别方法、系统及存储介质 | |
CN112559823B (zh) | 一种数据标准化的数据采集方法 | |
JP2006221523A (ja) | オブジェクト領域抽出システムおよび方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |