[发明专利]一种融合对象语义的商标图像匹配方法

权利要求书

1.一种融合对象语义的商标图像匹配方法，其特征在于包括以下步骤：

步骤一：关键词组语义的匹配；

所述关键词组语义匹配，具体步骤如下：

(a)对输入的两个关键词组进行匹配，对关键词组的匹配是基于关键词的匹配，具体方法如下：

利用知网提供的计算方式，得到两个关键词语义的相似度，计算方式如下所示:

similarity(key₁，key₂)＝max_{i＝1...n，j＝1...m}similarity(S_1i，S_2j)(1)

其中key₁和key₂为两个关键词，key₁由概念集合{S₁₁,S₁₂,…,S_1m}组成，key₂由概念集合{S₂₁,S₂₂,…,S_2n}组成；

(b)把两个关键词之间的相似度问题归结为两个概念之间的相似度问题，两个概念语义表达式的整体相似度由下式获得：

$similarity(S_1,S_2)=\underset{i=1}{\overset{4}{\Σ}}({\mathrm{\β}}_i\×{\mathrm{similarity}}_i(S_1,S_2\left)\right)---\left(2\right)$

其中，β_i是可调节的参数，表示以下4个特征：第一基本义原描述、其它基本义原描述、关系义原描述、关系符号描述，其满足：β₁≥β₂≥β₃≥β₄；

(c)把两个关键词之间的相似度问题最终归结为义原之间的相似度问题，根据义原之间的路径距离来计算两者的相似度，两个关键词组的匹配度由下式获得：

$M({\mathrm{keys}}_1,{\mathrm{keys}}_2)=\frac{1}{N}{\mathrm{\Σ}}_{i=1}^k{\mathrm{\Σ}}_{j=1}^{l}f\left(similarity\right({\mathrm{key}}_{1i},{\mathrm{key}}_{2j}\left)\right)---\left(3\right)$

其中，函数f定义如下：

$f\left(x\right)=\left\{\begin{array}{cc}x& x\≥\mathrm{\σ}\\ 0& x\<\mathrm{\σ}\end{array}\right.---\left(4\right)$

σ为阈值，σ∈[0，1]，N为关键词匹配相似度值大于σ的个数；

步骤二：高语义相关对象的提取；所述高语义相关对象的提取的具体步骤如下：

首先，对于两幅商标图像的分割对象对应的关键词组，利用步骤一关键词组语义匹配方法计算对象之间语义的相似度，得到如下的相似度矩阵：

其中，该矩阵为对称矩阵，M(w_1i，w_2j)为利用上述关键词组语义匹配方法计算所得值，M(w_1i，w_2j)∈[0，1]，并且当i＝j时，有M(w_1i，w_2j)＝1，即矩阵对角线上的值为1；

然后，基于得到的相似度矩阵，获取高语义相关对象，其具体步骤如下：

1)对相似度值M(w₁₁，w₂₂)，M(w₁₂，w₂₂)，…，M(w_1m，w_2n)序列从大到小排序，并记录值对应于矩阵的位置；

2)设定一个阈值α，α∈[0.5，1]，对于相似度排序序列的每个值，若大于α，则取出对应的矩阵位置i和j，从分割商标图像向量T₁，T₂取得相应对象，记录相应语义相似度值；同时划掉第i行和第j列；

最后，得到k对最高语义相似对象组合构成的对象向量T′₁，T′₂，及其对应的语义相似度向量V′₁₂，即：

T′₁＝{t′₁₁，t′₁₂，...，t′_1k}

T′₂＝{t′₂₁，t′₂₂，...，t′_2k}

V′₁₂＝{M′₁₁，M′₂₂，...，w′_kk}

其中M′_ii代表两幅商标各自第i个对象的语义相似度匹配值；

步骤三：融合语义与对象底层特征的综合匹配；

所述融合语义与对象特征的综合匹配，即对高语义相关对象进行底层特征的匹配，其具体步骤如下：

令已有两个目标对象t₁，t₂，已有的对象底层特征匹配方法定义为F(t₁，t₂)，结合步骤一、二得到的结果，得到两幅商标图像相似度为：

$\begin{array}{c}similarity\left(T_1,T_2\right)=similarity\left(T_1^{\′},T_2^{\′}\right)\\ =\frac{{\mathrm{\Σ}}_{i=1}^k\left(M_{ii}^{\′}\×F\left(t_{1i}^{\′},t_{2i}^{\′}\right)\right)}{{\mathrm{\Σ}}_{i=1}^k{M}_{ii}^{\′}}\end{array}---\left(5\right)$

其中，F(t′_1i，t′_2i)为对象的底层特征相似度函数，F的取值范围为[0，1]。