[发明专利]一种基于区域形状特征的商标图像检索方法

权利要求书

1.一种数字图像识别方法，包括对目标图像的区域形状特征描述方法，其特征在于，所述特征描述方法采用目标图像区域形状的旋转分层密度(RHD)特征。

2.如权利要求1所述目标图像区域形状的旋转分层密度(RHD)特征，其特征在于，所述旋转分层密度采用“旋转-分层”分割算法实现，具体过程包括以下步骤：

步骤A、将输入的目标图像转换成二值化的图像，其一般形式可以表示如下：

这里x、y表示目标图像形状内各像素点的横、纵坐标，B是目标图像分布的区域形状；

步骤B、对于二值图像B，它的黑色像素点数记作N，面积记作E。计算图像的区域形状质心(x_c，y_c)，以质心为原点建立直角坐标系，x＝y_c为水平坐标轴，y＝x_c为垂直坐标轴，x＞y_c为x轴正方向，y＞x_c为y轴正方向，质心计算公式如下：

步骤C、以该图像区域形状内第n个黑色像素点的横、纵坐标(x_n，y_n)构造复数c_n，有：c_n＝x_n+i*y_n，计算该像素点在B建立的坐标系中的辐角，计算过程如下：

Z＝x_n-x_c+i·(y_c-y_n)＝r(cosβ_n+isinβ_n)，

其中，x_n-x_c∈R，y_c-y_n∈R。r是复数的模长，β_n是复数的辐角，

如果求得的辐角β_n为负值，则使用公式β_n＝β_n+360°将其转换到0°～360°内，便于分割区域选取判定。然后计算目标图像区域形状内的所有黑色像素点的辐角β_n(n＝1，2，…，N)；

步骤D、假设目标图像发生旋转，旋转角度为θ_i，在0°～360°内均匀选取M个θ_i值。根据计算得到的辐角β_n的取值判定是否选择第n个黑色像素点作为其子区域的像素点，判定依据表示如下：

对目标图像区域的所有黑色像素点进行选取判定，得到该目标图像旋转θ_i时的目标子区域依据子区域的质心对其进行多层分割，选取指定方向上的区域。

3.如权利要求2所述“旋转-分层”分割算法，其特征在于，均匀采样θ_i值，采样频率M＝90。

4.如权利要求3所述采样频率M＝90，其特征在于，目标图像区域发生θ_i角度的旋转时选取的目标子区域有90个，计算各个目标子区域的黑色像素点数与面积并对各个目标子区域进行分层分割。

5.如权利要求4所述对各个目标子区域分层分割，其特征在于，构造旋转分层密度特征向量，具体步骤如下：

步骤E、计算各个目标子区域的质心，对每个目标子区域进行分割，在第l层(l≥2)时，选取每个目标子区域的子区域为记和的黑色像素点数为和面积为和

步骤F、计算绝对密度和相对密度旋转分割层(l＝1)，绝对密度是指目标图像旋转θ_i时切割选取的形状子区域的像素点数与原目标图像B的像素点数N的比例，相对密度是指绝对密度与形状子区域面积与E的比例的商比。分层分割层(l≥2)，绝对密度是指分布到目标子区域的的比例，相对密度是指与目标子区域面积与的比例的商比。目标图像发生旋转时，其旋转分层密度特征公式如下：

或者

步骤G、构造特征向量FV_l和l≥1的各层旋转分层密度特征向量均由目标图像旋转θ_i(i＝1，2，L，M)后抽取的绝对密度和相对密度构成，其特征向量形式如下：