[发明专利]一种基于改进Fast算法的商标检索方法及装置

权利要求书

1.一种基于改进Fast算法的商标检索方法，其特征在于，包括以下步骤：

(1)对待检索的商标图像进行预处理，解决商标图像中的过分割与欠分割问题；

(2)根据商标图像性质采用K-means聚类和计算商标图像熵，确定Fast检测算法中的自适应阈值；

(3)使用Hessian矩阵消除边缘响应，排除商标图像边缘信息带来的干扰；

(4)基于非极大值抑制算法，排除非局部极大值点，排除商标图像噪声干扰；

(5)对于提取的特征点建立商标图像特征词袋模型，并通过聚类生成对商标特征点的描述子；

(6)对各类商标图像特征点描述子进行SVM分类器训练，得到训练文件用于计算商标所属各类别的概率；

所述步骤(2)实现过程如下：

根据每个聚类类别中所有图像像素的一维灰度直方图，确定灰度集C，基于阈值变量t，灰度集可分为两部分：C₀＝{1，2，...，...，t}和C₁＝{t+1，t+2，...，L}；计算每个聚类S的熵函数：

S＝S₀+S₁

其中，为灰度集中第i位元素的概率分布，灰度集总概率分布为按照K-means聚类找到最大熵最小的部分的灰度变量t_min和最大熵最大的部分的灰度变量t_max；获得自适应阈值t_adaptive＝t_max-t_min；

所述步骤(3)实现过程如下：

某角点的Hessian矩阵H的两个特征值比较接近，利用矩阵的特性，在不计算特征值的情况下得出两个特征值的比值，即ratio值：

Tr(H)＝D_xx+D_yy＝α+β

Det(H)＝D_xxD_yy-(D_xy)²＝αβ

其中，D_ij代表矩阵中(i，j)位置的微分算子；Tr是矩阵主对角线上元素的和，称为矩阵的迹；Det是矩阵行列式的值；α是矩阵H的最大特征值，β是最小特征值；令若就保留特征点，否则丢弃；

所述步骤(4)实现过程如下：

按照检测到的特征点为中心的3x3或者5x5窗口内，检测其余检测到的特征点，在区域内计算每一个特征点的响应函数，进行响应函数的排序，在区域内取响应函数最高的特征点为局部极大值点，其余的点都作为局部非极大值点处理，进行舍弃。

2.根据权利要求1所述的基于改进Fast算法的商标检索方法，其特征在于，步骤(1)所述的预处理过程如下：

利用Graph Cut将图像分为不同区域，生成图片的掩膜，送入Grab Cut进行分割。

3.根据权利要求1所述的基于改进Fast算法的商标检索方法，其特征在于，步骤(5)所述的图像特征词袋模型建立过程如下：

将特征点聚类后的一个簇作为图像特征词袋模型中的一个视觉单词，使用视觉单词生成一个码本集；对于码本集利用K-means聚类，降低特征维度，得到商标图像描述子。

4.一种基于改进Fast算法的商标检索装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述计算机程序被加载至处理器时实现根据权利要求1-3任一项所述的基于改进Fast算法的商标检索方法。