一種基于Harris與SIFT算子結(jié)合的商標(biāo)搜索方法

黃友文，黃雅蘭

（江西理工大學(xué)信息工程學(xué)院，江西贛州 341000）

一種基于Harris與SIFT算子結(jié)合的商標(biāo)搜索方法

黃友文，黃雅蘭

（江西理工大學(xué)信息工程學(xué)院，江西贛州 341000）

針對(duì)基于SIFT算子的商標(biāo)圖像搜索方法提取特征點(diǎn)耗時(shí)過(guò)長(zhǎng)的問(wèn)題，提出了一種Harris和SIFT算子相結(jié)合的商標(biāo)圖像搜索方法，利用角點(diǎn)計(jì)算量小、用時(shí)少且特征點(diǎn)分布均勻的優(yōu)點(diǎn)，能夠反映圖像內(nèi)容的結(jié)構(gòu)，具有較好的穩(wěn)定性。實(shí)驗(yàn)結(jié)果表明，與基于SIFT和基于Harris特征的商標(biāo)檢索方法相比，該方法既保留了Harris方法提取特征點(diǎn)的高效性，也解決了SIFT方法對(duì)特征點(diǎn)提取時(shí)間過(guò)長(zhǎng)的問(wèn)題，具有實(shí)時(shí)性。

SIFT;Harris角點(diǎn);商標(biāo)搜索

1 商標(biāo)搜索方法

商標(biāo)是人們生活中隨處可見(jiàn)的一類(lèi)圖像，它給人們傳遞著重要信息。在現(xiàn)代商業(yè)體制中，商標(biāo)是企業(yè)的一種品牌名稱，它代表了一個(gè)企業(yè)的商品與信譽(yù)，是企業(yè)賴以存在的一種基本保障。因此在商標(biāo)的分類(lèi)及注冊(cè)過(guò)程中，必須保證商標(biāo)的唯一性。如何能夠準(zhǔn)確、快速地檢索出一個(gè)商標(biāo)圖像與現(xiàn)有商標(biāo)庫(kù)中的商標(biāo)圖像是否重復(fù)，是一個(gè)值得研究的方向。目前，基于內(nèi)容的圖像檢索［1］是根據(jù)圖像的內(nèi)容進(jìn)行目標(biāo)檢索，而圖像的內(nèi)容可以由圖像的特征來(lái)表征，因此，怎樣對(duì)圖像的特征進(jìn)行提取才是研究的關(guān)鍵所在。

目前，基于 SIFT 算子［2］和 Harris算子［3］的圖像匹配方法在國(guó)內(nèi)外已經(jīng)有了大量的研究。如劉立等人［4］提出的采用簡(jiǎn)化SIFT算法實(shí)現(xiàn)快速圖像匹配;曹紅杏等人［5］提出了利用SIFT特征進(jìn)行圖像的自動(dòng)拼接，通過(guò)投影變換實(shí)現(xiàn)更精確的匹配;張春美等人［6］提出了改進(jìn)SIFT特征在圖像匹配中的應(yīng)用，以關(guān)鍵點(diǎn)為中心，使用不同半徑的圓環(huán)來(lái)構(gòu)造SIFT特征描述符，從而保證了SIFT算法中的旋轉(zhuǎn)不變性，而且減少了SIFT特征描述符的計(jì)算時(shí)間;馮政壽、王文清［7］提出了基于Harris與改進(jìn)SIFT算法的圖像匹配方法，使用Harris算子提取的角點(diǎn)作為圖像的特征點(diǎn)，對(duì)每個(gè)特征點(diǎn)采用基于同心圓形窗口的64維特征向量表示，該算法能夠在保證具有很好的匹配率的同時(shí)降低計(jì)算復(fù)雜度。SIFT算子具有良好的抗遮擋性、抗旋轉(zhuǎn)性、抗噪聲性，其應(yīng)用領(lǐng)域不斷擴(kuò)大，比如圖像拼接、圖像分類(lèi)等。然而，基于SIFT算子的商標(biāo)檢索方法存在特征點(diǎn)的提取時(shí)間過(guò)長(zhǎng)、計(jì)算過(guò)于復(fù)雜等不足，從而影響了實(shí)時(shí)性。如劉瑞等人［8］提出的簡(jiǎn)化SIFT算法及其在商標(biāo)圖像檢索中的應(yīng)用，采用了圓環(huán)域結(jié)構(gòu)替代原SIFT算法中的特征描述方法，雖然對(duì)特征點(diǎn)的計(jì)算時(shí)間減少了，但是并不能反映圖像內(nèi)容的結(jié)構(gòu);林傳力等人［9］提出的基于SIFT特征的商標(biāo)檢索方法，雖然提取的特征準(zhǔn)確穩(wěn)定，但是提取特征點(diǎn)的時(shí)間過(guò)長(zhǎng)，不能滿足實(shí)時(shí)性的要求;而王振海［10］提出的融合HU不變矩和SIFT特征的商標(biāo)檢索方法是針對(duì)商標(biāo)圖像的形狀特征提出的，能夠反映圖像的整體信息，但是沒(méi)有解決實(shí)際應(yīng)用中的實(shí)時(shí)性問(wèn)題;王三虎等人［11］也提出了基于SIFT和角特征的商標(biāo)檢索算法，具有很好的準(zhǔn)確率，但是對(duì)特征點(diǎn)既要計(jì)算SIFT特征描述符又要提取圖像中的角點(diǎn)，花費(fèi)的時(shí)間更長(zhǎng)。因此，本文從減小計(jì)算量，提高抗畸變性能的角度出發(fā)，提出了一種結(jié)合Harris和SIFT特征的商標(biāo)圖像檢索方法，實(shí)驗(yàn)結(jié)果表明，該算法魯棒性好、檢索精度高。

2 特征提取過(guò)程

SIFT算法的步驟是先對(duì)基本圖像進(jìn)行尺度空間的建立，然后在尺度空間中檢測(cè)極值點(diǎn)，排除不穩(wěn)定點(diǎn)與邊緣點(diǎn)之后的點(diǎn)集稱為關(guān)鍵點(diǎn)集合;計(jì)算關(guān)鍵點(diǎn)的方向是通過(guò)計(jì)算其鄰域內(nèi)梯度的最大方向，并把這個(gè)方向定義為關(guān)鍵點(diǎn)方向。SIFT特征點(diǎn)的生成過(guò)程包括兩個(gè)部分:特征點(diǎn)的特征向量生成和特征點(diǎn)特征向量之間的匹配。本文采用Harris跟SIFT方法相結(jié)合的檢測(cè)方法，使用提取的角點(diǎn)代替原SIFT特征方法中第一步和第二步所提取的關(guān)鍵點(diǎn)，其余步驟仍采用原SIFT算法的步驟。

2.1 特征向量的生成

2.1.1 特征點(diǎn)提取

SIFT方法的特征點(diǎn)提取過(guò)程如下:

1）尺度空間中極值檢測(cè)。首先，基本圖像與二維高斯函數(shù)進(jìn)行卷積運(yùn)算，即

式中:G（x，y，e）是尺度可變的高斯函數(shù);（x，y）是圖像中像素點(diǎn)的空間坐標(biāo);e是尺度坐標(biāo)。建立DOG空間之后，在相鄰的3個(gè)尺度空間中檢測(cè)極值點(diǎn)。

2）關(guān)鍵點(diǎn)的精確。通過(guò)對(duì)關(guān)鍵點(diǎn)進(jìn)行泰勒級(jí)數(shù)展開(kāi)，并令其導(dǎo)數(shù)為0，可得到極值點(diǎn)的位置，即

式中:X=（x，y，e）T為尺度坐標(biāo);e為尺度因子。

本文方法的特征點(diǎn)提取過(guò)程如下:

Harris角點(diǎn)的計(jì)算公式為

式中:Harris算子是用Taylor展開(kāi)去近似任意方向;Ix是x方向的差分;Iy是y方向的差分;w（x，y）是高斯函數(shù)。因?yàn)榫仃嘙的兩個(gè)特征向量Ix和Iy與矩陣M的主曲率成正比，所以Harris角點(diǎn)的判定是由Ix和Iy的變化來(lái)判定，如果Ix和Iy變化均很大，則說(shuō)明該點(diǎn)是角點(diǎn)，如果一個(gè)大一個(gè)小則為邊緣點(diǎn)，如果Ix和Iy的變化均很小，則該點(diǎn)處于圖像變化緩慢的區(qū)域。在判斷像素點(diǎn)是否為角點(diǎn)時(shí)使用角點(diǎn)響應(yīng)R，若R大于閾值，則該點(diǎn)為角點(diǎn)。

2.1.2 關(guān)鍵點(diǎn)方向的分配

對(duì)關(guān)鍵點(diǎn)為中心的鄰域窗口進(jìn)行直方圖統(tǒng)計(jì)，計(jì)算其鄰域像素點(diǎn)梯度的方向。將梯度直方圖的360°范圍以10°為間隔進(jìn)行36等分，構(gòu)造36個(gè)方向向量，并統(tǒng)計(jì)在各個(gè)方向上的像素點(diǎn)的個(gè)數(shù)。將方向向量按照像素點(diǎn)的數(shù)目大小進(jìn)行排列，選取最大值所在的方向?yàn)殛P(guān)鍵點(diǎn)的主方向，同時(shí)為了提高匹配的魯棒性，將像素點(diǎn)數(shù)目與最大值相近的方向向量選取為該關(guān)鍵點(diǎn)的輔助方向，實(shí)驗(yàn)表明，僅有較少的關(guān)鍵點(diǎn)被賦予多個(gè)方向，但可以明顯地提高關(guān)鍵點(diǎn)匹配的穩(wěn)定性。

2.1.3 特征描述符的計(jì)算

為了確保特征點(diǎn)具有旋轉(zhuǎn)不變性，把坐標(biāo)軸旋轉(zhuǎn)到與關(guān)鍵點(diǎn)的主方向一致的位置上。然后在以關(guān)鍵點(diǎn)為中心的4×4的網(wǎng)絡(luò)格子中，將每個(gè)格子內(nèi)4個(gè)點(diǎn)的坐標(biāo)按照高斯加權(quán)的方法相加，然后將其與特征點(diǎn)的對(duì)應(yīng)方向進(jìn)行加權(quán)可得到8方向的直方圖，即得到了4×4×8=128維的特征描述向量。這種特征點(diǎn)的描述方法使得該算法具有較好的抗噪能力，也具有較好的容錯(cuò)性。最后將特征向量的長(zhǎng)度歸一化，去除光照變化的影響。

Harris算子只用到了灰度的一階差分，所以計(jì)算簡(jiǎn)單而且對(duì)圖像旋轉(zhuǎn)、灰度變化、噪聲影響和視點(diǎn)變換均不敏感，提取的角點(diǎn)具有全局性而且穩(wěn)定性好。對(duì)角點(diǎn)采用SIFT的特征向量描述方法，既保證角點(diǎn)具有一定的抗縮放能力，還具有SIFT特征的抗旋轉(zhuǎn)性及匹配的穩(wěn)健性，又能夠降低提取特征點(diǎn)的計(jì)算復(fù)雜度。

計(jì)算基于Harris和SIFT特征算法的步驟如下:

1）對(duì)原始圖像進(jìn)行Harris算子計(jì)算，生成Harris角點(diǎn)集;

2）計(jì)算角點(diǎn)的特征描述向量，為特征點(diǎn)分配方向值;3）生成特征描述子，利用特征描述符尋找匹配點(diǎn)。

2.2 特征向量的匹配

采用歐氏距離來(lái)度量?jī)蓚€(gè)特征向量之間的相似性，算法通過(guò)比較最鄰近的歐氏距離與次鄰近的歐氏距離之間的比值，只有當(dāng)比值處于給定的范圍時(shí)，該點(diǎn)才會(huì)被歸入為匹配點(diǎn)集中。

本文算法應(yīng)用在商標(biāo)圖像中，相比SIFT算法應(yīng)用在商標(biāo)圖像中有以下優(yōu)點(diǎn):

1）由于SIFT算法在檢測(cè)特征點(diǎn)的過(guò)程中，首先要多次計(jì)算高斯核函數(shù)與圖像的卷積，運(yùn)算量巨大，耗時(shí)很長(zhǎng)。本文算法使用Harris角點(diǎn)代替極值點(diǎn)的生成過(guò)程，Harris角點(diǎn)算子的計(jì)算量很小，只需計(jì)算像素點(diǎn)的一階導(dǎo)數(shù)和二階導(dǎo)數(shù)，所以相比SIFT算子來(lái)說(shuō)，節(jié)省了時(shí)間開(kāi)銷(xiāo)。

2）SIFT算法提取的特征點(diǎn)是在不同尺度上的極大值點(diǎn)，也就是具有局部性質(zhì)，不能反映圖像內(nèi)容的結(jié)構(gòu)。而本文方法提取的特征點(diǎn)是以圖像的角點(diǎn)為基礎(chǔ)，所以能夠反映圖像的結(jié)構(gòu)，特征顯著，從而可以有效地進(jìn)行圖像匹配。

3 實(shí)驗(yàn)結(jié)果及分析

采用Mircrosoft VC++6.0構(gòu)建實(shí)驗(yàn)平臺(tái)，將本文提出的算法與經(jīng)典SIFT算法及Harris算法在提取商標(biāo)圖片的特征點(diǎn)方面進(jìn)行了比較和分析。使用SIFT方法提取的特征點(diǎn)無(wú)法反映圖像的視覺(jué)角點(diǎn)，而且提取特征點(diǎn)的時(shí)間過(guò)長(zhǎng);使用Harris角點(diǎn)的方法雖然計(jì)算時(shí)間大大減少，但是不具有魯棒性和旋轉(zhuǎn)不變性。

圖1和圖2分別為使用Harris方法和SIFT方法提取特征點(diǎn)的結(jié)果，而圖3是使用本文方法提取特征點(diǎn)的結(jié)果。對(duì)商標(biāo)圖片提取的特征點(diǎn)進(jìn)行分析后不難發(fā)現(xiàn)，本文的方法不但增加了提取的特征點(diǎn)的數(shù)量，而且減少了提取特征點(diǎn)所需的時(shí)間。

圖1 Harris方法提取的特征點(diǎn)

圖2 SIFT方法提取的特征點(diǎn)

圖3 本文方法提取的特征點(diǎn)

使用Harris方法和SIFT方法及本文方法提取特征點(diǎn)的數(shù)量及時(shí)間如表1所示。

表1 三種方法的對(duì)比

由表1可以看出，本文方法提取的特征點(diǎn)數(shù)目比在同等條件下使用SIFT方法及Harris方法提取的特征點(diǎn)都要多，這是因?yàn)楸疚姆椒ㄊ褂媒屈c(diǎn)集代替了SIFT方法中極值點(diǎn)集，計(jì)算特征點(diǎn)的描述符時(shí)，也同樣計(jì)算了占主方向80%以上的特征點(diǎn)的描述符，盡可能使描述特征點(diǎn)的方法更全面。同時(shí)，省去了原SIFT算法中的步驟1、步驟2，也即減少了建立圖像高斯金字塔的過(guò)程，提取特征點(diǎn)的時(shí)間要遠(yuǎn)遠(yuǎn)小于原SIFT算法的提取特征點(diǎn)的時(shí)間，更具有實(shí)時(shí)性。

文章著重分析了本文提出的方法對(duì)圖像噪聲及旋轉(zhuǎn)性的抵抗能力。圖 4 為原商標(biāo)圖像旋轉(zhuǎn) 0°，10°，20°，30°，40°，50°，60°后使用本文方法進(jìn)行特征點(diǎn)提取的結(jié)果，表2顯示了不同旋轉(zhuǎn)角度下商標(biāo)圖像提取特征點(diǎn)的數(shù)量及時(shí)間，從實(shí)驗(yàn)結(jié)果可以看出，本文提出的算法對(duì)旋轉(zhuǎn)了的商標(biāo)圖像具有較好的穩(wěn)定性。

圖4 經(jīng)過(guò)旋轉(zhuǎn)提取特征點(diǎn)示意圖

表2 不同旋轉(zhuǎn)角度下提取的特征點(diǎn)時(shí)間及數(shù)量

圖5和表3為添加SNR在0～0.06 dB的高斯噪聲后的圖像經(jīng)過(guò)本文算法處理后的結(jié)果，從實(shí)驗(yàn)結(jié)果可以看出，本文提出的算法對(duì)疊加了噪聲的商標(biāo)圖像具有較好的穩(wěn)定性。

圖5 添加噪聲后的圖像提取特征點(diǎn)示意圖

表3 不同噪聲比例下圖像提取特征點(diǎn)的時(shí)間及數(shù)量

圖6和表4給出是在圖像中既有噪聲又旋轉(zhuǎn)的情況下，采用本文方法提取特征點(diǎn)的結(jié)果。

表4 噪聲疊加旋轉(zhuǎn)圖像提取特征點(diǎn)的時(shí)間及數(shù)量

從實(shí)驗(yàn)結(jié)果可以看出，本文提出的方法無(wú)論是對(duì)旋轉(zhuǎn)了的圖像還是對(duì)添加噪聲的圖像都具有較好的穩(wěn)定性。

4 結(jié)論

SIFT算法能夠提取大量具有尺度不變性、旋轉(zhuǎn)不變性和光照不變性的特征點(diǎn)，是目前性能很好的能夠用于圖像匹配的局部算子。林傳力［9］提出的方法需要花費(fèi)大量的時(shí)間進(jìn)行極值點(diǎn)的檢測(cè)，雖然能夠抗干擾、抗扭曲，但是時(shí)間冗余大;劉瑞［8］提出的方法其特征點(diǎn)不具有反映圖像內(nèi)容結(jié)構(gòu)的性質(zhì);王三虎［11］提出的方法是在匹配時(shí)考慮權(quán)值衡量SIFT跟角點(diǎn)特征之間的比例關(guān)系，計(jì)算特征點(diǎn)的時(shí)間比SIFT算子的時(shí)間更長(zhǎng)，其實(shí)時(shí)性更差。而本文的方法直接使用Harris角點(diǎn)替代原SIFT算法中檢測(cè)極值點(diǎn)的過(guò)程，充分利用了角點(diǎn)能夠反映商標(biāo)圖像內(nèi)容結(jié)構(gòu)的特點(diǎn)，既保證了提取的特征點(diǎn)正確穩(wěn)定，又降低了提取特征點(diǎn)的時(shí)間復(fù)雜度。

:

［1］黃祥林，沈蘭蓀.基于內(nèi)容的圖像檢索技術(shù)研究［J］.電子學(xué)報(bào)，2002，30（7）:1065－1071.

［2］LOWE D.Distinctive image features from scale－invariant key points［J］.International Journal of Computer Vision，2004，60（2）:91－110.

［3］HARRIS C，STEPHENS M.A combined corner and edge detector［C］//Proc.the 4th Alvey Vision Conference.Manchester，England:［s.n.］，1988:147－152.

［4］劉立，彭復(fù)員，趙坤，等.采用簡(jiǎn)化SIFT算法實(shí)現(xiàn)快速圖像匹配［J］.紅外與激光工程，2008，37（1）:181－184.

［5］曹紅杏，柳稼航，阮萍.基于SIFT特征的圖像自動(dòng)拼接［J］.電視技術(shù)，2008，32（S1）:146－148.

［6］張春美，龔志輝，孫雷.改進(jìn)SIFT特征在圖像匹配中的應(yīng)用［J］.計(jì)算機(jī)工程與應(yīng)用，2008，44（2）:95－97.

［7］馮政壽，王美清.基于Harris與改進(jìn)SIFT算法的圖像匹配算法［J］.福州大學(xué)學(xué)報(bào):自然科學(xué)版，2012，40（2）:176－180.

［8］劉瑞，彭進(jìn)業(yè)，李展.簡(jiǎn)化SIFT算法及其在商標(biāo)圖像檢索中的應(yīng)用［J］.計(jì)算機(jī)應(yīng)用研究，2010，27（5）:1998－2000.

［9］林傳力，趙宇明.基于Sift特征的商標(biāo)檢索算法［J］.計(jì)算機(jī)工程，2008，34（23）:275－277.

［10］王振海.融合HU不變矩和SIFT特征的商標(biāo)檢索［J］.計(jì)算機(jī)工程與應(yīng)用，2012，48（1）:187－190.

［11］王三虎，姚望舒，凌興宏.基于SIFT和角點(diǎn)特征的商標(biāo)檢索算法［J］.計(jì)算機(jī)應(yīng)用，2011，31（7）:1841－1843.

Method of Trademark Search Based on Harris and SIFT

HUANG Youwen，HUANG Yalan

（School of Information Engineering，Jiangxi University of Science and Technology，Jiangxi Ganzhou 341000，China）

A new algorithm is proposed based on Harris and SIFT，in order to reduce the time of extract features in the method of trademark search based on SIFT.It makes full use of corner features’low calculation and less time－consuming，and evenly distribution.They can reflect the structure of the content of the image，also own good stability.As the experimental results show，this method not only retains the efficiency of extract Harris features，but also solves the excessive time on extract SIFT features when compared with the method of trademark search based on SIFT and the method of trademark search based on Harris，and it has well real－time performance.

SIFT;Harris;trademark search

TN911.73;TP391

A

【本文獻(xiàn)信息】黃友文，黃雅蘭.一種基于Harris與SIFT算子結(jié)合的商標(biāo)搜索方法［J］.電視技術(shù)，2014，38（3）.

江西省教育廳科技項(xiàng)目（GJJ10156）

黃友文（1982— ），副教授，博士，主要研究方向?yàn)橐曨l信號(hào)處理;

黃雅蘭（1989— ），女，碩士生，主要研究方向?yàn)閿?shù)字圖像處理。

責(zé)任編輯:時(shí) 雯

2013－03－09