基于多尺度特征变换与颜色相关性的商标检索算法

目的提出一种快速有效的商标注册相似性检查方法,以解决当前基于SIFT的商标检索系统易出现漏检、误检,导致检索精度不高的问题。方法首先,利用SIFT进行尺度空间创建,并检测商标的特征关键点,通过确定关键点的主方向,可得到具有旋转、缩放、平移、视图变化不变性的图像形状特征描述符。随后,根据像素与其邻域的颜色和空间位置,定义一种改进的颜色相关性,为了有效避免不同商标可能具有相似的颜色特征,对不同的颜色赋予一个权重因子,从而得到一个反映颜色空间相关性与颜色排布疏密度的颜色特征。然后,将SIFT与颜色相关特征向量进行加权组合,并根据实际过程中占主导作用的特征来改变权重。最后,根据加权组合特征,引入马氏距离对查询商标与数据库商标进行相似度量,输出检索商标。结果实验结果表明,与当前先进的商标检索系统对比,所提算法具有更高的检索准确性与效率。结论所提算法具有良好的检索准确率与鲁棒性,在商标注册等领域具有一定的实用价值。

基于尺度注意力网络的遥感图像场景分类

针对卷积神经网络(CNN)平等地对待输入图像中潜在的对象信息和背景信息,而遥感图像场景又存在许多小对象和背景复杂的问题,提出一种基于注意力机制和多尺度特征变换的尺度注意力网络模型。首先,开发一个快速有效的注意力模块,基于最优特征选择生成注意力图;然后,在ResNet50网络结构的基础上嵌入注意力图,增加多尺度特征融合层,并重新设计全连接层,构成尺度注意力网络;其次,利用预训练模型初始化尺度注意力网络,并使用训练集对模型进行微调;最后,利用微调后的尺度注意力网络对测试集进行分类预测。该方法在实验数据集AID上的分类准确率达到95.72%,与ArcNet方法相比分类准确率提高了2.62个百分点;在实验数据集NWPU-RESISC上分类准确率达到92.25%,与IORN方法相比分类准确率提高了0.95个百分点。实验结果表明,所提方法能够有效提高遥感图像场景分类准确率。

基于线特征和控制点的可见光和SAR图像配准

以具有典型人造目标的可见光和SAR(Synthetic aperture radar)图像为研究对象,提出一种自适应多尺度快速Beamlet变换方法提取人造目标在可见光和SAR图像的共有特征—线特征,并基于线特征构造控制点,设计了一种基于控制点特征的匹配度函数,采用基于特征一致的粗配准和基于控制点的精确配准方法,对待配准图像实现由粗到精的自动配准.实验表明,在可见光和SAR图像存在较大灰度差异、旋转和平移的情况下,该算法仍然能够精确配准图像.