[发明专利]一种融合对象语义的商标图像匹配方法

摘要

一种融合对象语义的商标图像匹配方法，涉及图像搜索。提供融合了对象的语义匹配，使得对象匹配过程是在语义相似的对象间进行匹配，并且匹配结果体现了语义相似度，可在保证准确率的同时可以较大程度上缩短图像检索时间，提高匹配性能的一种融合对象语义的商标图像匹配方法。步骤一关键词组语义的匹配；步骤二高语义相关对象的提取；步骤三融合语义与对象底层特征的综合匹配。将两幅商标图像的相似度看作是它们语义相似度最高的若干对象在底层空间上的相似度乘以语义偏差值，对于其中任意一组相似对象而言，对象的语义偏差越大，对对象底层特征相似度的影响就越大。

主权项

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)＝maxi＝1...n，j＝1...msimilarity(S1i，S2j)  (1)其中key1和key2为两个关键词，key1由概念集合{S11,S12,…,S1m}组成，key2由概念集合{S21,S22,…,S2n}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(S1,S2)=Σi=14(βi×similarityi(S1,S2))---(2)]]>其中，βi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(keys1,keys2)=1NΣi=1kΣj=1lf(similarity(key1i,key2j))---(3)]]>其中，函数f定义如下：f(x)=xx≥σ0x<σ---(4)]]>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(w1i，w2j)为利用上述关键词组语义匹配方法计算所得值，M(w1i，w2j)∈[0，1]，并且当i＝j时，有M(w1i，w2j)＝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(w1m，w2n)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：similarity(T1,T2)=similarity(T1′,T2′)=Σi=1k(Mii′×F(t1i′,t2i′))Σi=1kMii′---(5)]]>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]。