一種基于Harris與SIFT算子結合的商標搜索方法

黃友文，黃雅蘭

（江西理工大學信息工程學院，江西贛州 341000）

一種基于Harris與SIFT算子結合的商標搜索方法

黃友文，黃雅蘭

（江西理工大學信息工程學院，江西贛州 341000）

針對基于SIFT算子的商標圖像搜索方法提取特征點耗時過長的問題，提出了一種Harris和SIFT算子相結合的商標圖像搜索方法，利用角點計算量小、用時少且特征點分布均勻的優點，能夠反映圖像內容的結構，具有較好的穩定性。實驗結果表明，與基于SIFT和基于Harris特征的商標檢索方法相比，該方法既保留了Harris方法提取特征點的高效性，也解決了SIFT方法對特征點提取時間過長的問題，具有實時性。

SIFT;Harris角點;商標搜索

1 商標搜索方法

商標是人們生活中隨處可見的一類圖像，它給人們傳遞著重要信息。在現代商業體制中，商標是企業的一種品牌名稱，它代表了一個企業的商品與信譽，是企業賴以存在的一種基本保障。因此在商標的分類及注冊過程中，必須保證商標的唯一性。如何能夠準確、快速地檢索出一個商標圖像與現有商標庫中的商標圖像是否重復，是一個值得研究的方向。目前，基于內容的圖像檢索［1］是根據圖像的內容進行目標檢索，而圖像的內容可以由圖像的特征來表征，因此，怎樣對圖像的特征進行提取才是研究的關鍵所在。

目前，基于 SIFT 算子［2］和 Harris算子［3］的圖像匹配方法在國內外已經有了大量的研究。如劉立等人［4］提出的采用簡化SIFT算法實現快速圖像匹配;曹紅杏等人［5］提出了利用SIFT特征進行圖像的自動拼接，通過投影變換實現更精確的匹配;張春美等人［6］提出了改進SIFT特征在圖像匹配中的應用，以關鍵點為中心，使用不同半徑的圓環來構造SIFT特征描述符，從而保證了SIFT算法中的旋轉不變性，而且減少了SIFT特征描述符的計算時間;馮政壽、王文清［7］提出了基于Harris與改進SIFT算法的圖像匹配方法，使用Harris算子提取的角點作為圖像的特征點，對每個特征點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降低計算復雜度。SIFT算子具有良好的抗遮擋性、抗旋轉性、抗噪聲性，其應用領域不斷擴大，比如圖像拼接、圖像分類等。然而，基于SIFT算子的商標檢索方法存在特征點的提取時間過長、計算過于復雜等不足，從而影響了實時性。如劉瑞等人［8］提出的簡化SIFT算法及其在商標圖像檢索中的應用，采用了圓環域結構替代原SIFT算法中的特征描述方法，雖然對特征點的計算時間減少了，但是并不能反映圖像內容的結構;林傳力等人［9］提出的基于SIFT特征的商標檢索方法，雖然提取的特征準確穩定，但是提取特征點的時間過長，不能滿足實時性的要求;而王振海［10］提出的融合HU不變矩和SIFT特征的商標檢索方法是針對商標圖像的形狀特征提出的，能夠反映圖像的整體信息，但是沒有解決實際應用中的實時性問題;王三虎等人［11］也提出了基于SIFT和角特征的商標檢索算法，具有很好的準確率，但是對特征點既要計算SIFT特征描述符又要提取圖像中的角點，花費的時間更長。因此，本文從減小計算量，提高抗畸變性能的角度出發，提出了一種結合Harris和SIFT特征的商標圖像檢索方法，實驗結果表明，該算法魯棒性好、檢索精度高。

2 特征提取過程

SIFT算法的步驟是先對基本圖像進行尺度空間的建立，然后在尺度空間中檢測極值點，排除不穩定點與邊緣點之后的點集稱為關鍵點集合;計算關鍵點的方向是通過計算其鄰域內梯度的最大方向，并把這個方向定義為關鍵點方向。SIFT特征點的生成過程包括兩個部分:特征點的特征向量生成和特征點特征向量之間的匹配。本文采用Harris跟SIFT方法相結合的檢測方法，使用提取的角點代替原SIFT特征方法中第一步和第二步所提取的關鍵點，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 特征點提取

SIFT方法的特征點提取過程如下:

1）尺度空間中極值檢測。首先，基本圖像與二維高斯函數進行卷積運算，即

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

2）關鍵點的精確。通過對關鍵點進行泰勒級數展開，并令其導數為0，可得到極值點的位置，即

式中:X=（x，y，e）T為尺度坐標;e為尺度因子。

本文方法的特征點提取過程如下:

Harris角點的計算公式為

式中:Harris算子是用Taylor展開去近似任意方向;Ix是x方向的差分;Iy是y方向的差分;w（x，y）是高斯函數。因為矩陣M的兩個特征向量Ix和Iy與矩陣M的主曲率成正比，所以Harris角點的判定是由Ix和Iy的變化來判定，如果Ix和Iy變化均很大，則說明該點是角點，如果一個大一個小則為邊緣點，如果Ix和Iy的變化均很小，則該點處于圖像變化緩慢的區域。在判斷像素點是否為角點時使用角點響應R，若R大于閾值，則該點為角點。

2.1.2 關鍵點方向的分配

對關鍵點為中心的鄰域窗口進行直方圖統計，計算其鄰域像素點梯度的方向。將梯度直方圖的360°范圍以10°為間隔進行36等分，構造36個方向向量，并統計在各個方向上的像素點的個數。將方向向量按照像素點的數目大小進行排列，選取最大值所在的方向為關鍵點的主方向，同時為了提高匹配的魯棒性，將像素點數目與最大值相近的方向向量選取為該關鍵點的輔助方向，實驗表明，僅有較少的關鍵點被賦予多個方向，但可以明顯地提高關鍵點匹配的穩定性。

2.1.3 特征描述符的計算

為了確保特征點具有旋轉不變性，把坐標軸旋轉到與關鍵點的主方向一致的位置上。然后在以關鍵點為中心的4×4的網絡格子中，將每個格子內4個點的坐標按照高斯加權的方法相加，然后將其與特征點的對應方向進行加權可得到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，也具有較好的容錯性。最后將特征向量的長度歸一化，去除光照變化的影響。

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

計算基于Harris和SIFT特征算法的步驟如下:

1）對原始圖像進行Harris算子計算，生成Harris角點集;

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

2.2 特征向量的匹配

采用歐氏距離來度量兩個特征向量之間的相似性，算法通過比較最鄰近的歐氏距離與次鄰近的歐氏距離之間的比值，只有當比值處于給定的范圍時，該點才會被歸入為匹配點集中。

本文算法應用在商標圖像中，相比SIFT算法應用在商標圖像中有以下優點:

1）由于SIFT算法在檢測特征點的過程中，首先要多次計算高斯核函數與圖像的卷積，運算量巨大，耗時很長。本文算法使用Harris角點代替極值點的生成過程，Harris角點算子的計算量很小，只需計算像素點的一階導數和二階導數，所以相比SIFT算子來說，節省了時間開銷。

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

3 實驗結果及分析

采用Mircrosoft VC++6.0構建實驗平臺，將本文提出的算法與經典SIFT算法及Harris算法在提取商標圖片的特征點方面進行了比較和分析。使用SIFT方法提取的特征點無法反映圖像的視覺角點，而且提取特征點的時間過長;使用Harris角點的方法雖然計算時間大大減少，但是不具有魯棒性和旋轉不變性。

圖1和圖2分別為使用Harris方法和SIFT方法提取特征點的結果，而圖3是使用本文方法提取特征點的結果。對商標圖片提取的特征點進行分析后不難發現，本文的方法不但增加了提取的特征點的數量，而且減少了提取特征點所需的時間。

圖1 Harris方法提取的特征點

圖2 SIFT方法提取的特征點

圖3 本文方法提取的特征點

使用Harris方法和SIFT方法及本文方法提取特征點的數量及時間如表1所示。

表1 三種方法的對比

由表1可以看出，本文方法提取的特征點數目比在同等條件下使用SIFT方法及Harris方法提取的特征點都要多，這是因為本文方法使用角點集代替了SIFT方法中極值點集，計算特征點的描述符時，也同樣計算了占主方向80%以上的特征點的描述符，盡可能使描述特征點的方法更全面。同時，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程，提取特征點的時間要遠遠小于原SIFT算法的提取特征點的時間，更具有實時性。

文章著重分析了本文提出的方法對圖像噪聲及旋轉性的抵抗能力。圖 4 為原商標圖像旋轉 0°，10°，20°，30°，40°，50°，60°后使用本文方法進行特征點提取的結果，表2顯示了不同旋轉角度下商標圖像提取特征點的數量及時間，從實驗結果可以看出，本文提出的算法對旋轉了的商標圖像具有較好的穩定性。

圖4 經過旋轉提取特征點示意圖

表2 不同旋轉角度下提取的特征點時間及數量

圖5和表3為添加SNR在0～0.06 dB的高斯噪聲后的圖像經過本文算法處理后的結果，從實驗結果可以看出，本文提出的算法對疊加了噪聲的商標圖像具有較好的穩定性。

圖5 添加噪聲后的圖像提取特征點示意圖

表3 不同噪聲比例下圖像提取特征點的時間及數量

圖6和表4給出是在圖像中既有噪聲又旋轉的情況下，采用本文方法提取特征點的結果。

表4 噪聲疊加旋轉圖像提取特征點的時間及數量

從實驗結果可以看出，本文提出的方法無論是對旋轉了的圖像還是對添加噪聲的圖像都具有較好的穩定性。

4 結論

SIFT算法能夠提取大量具有尺度不變性、旋轉不變性和光照不變性的特征點，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大量的時間進行極值點的檢測，雖然能夠抗干擾、抗扭曲，但是時間冗余大;劉瑞［8］提出的方法其特征點不具有反映圖像內容結構的性質;王三虎［11］提出的方法是在匹配時考慮權值衡量SIFT跟角點特征之間的比例關系，計算特征點的時間比SIFT算子的時間更長，其實時性更差。而本文的方法直接使用Harris角點替代原SIFT算法中檢測極值點的過程，充分利用了角點能夠反映商標圖像內容結構的特點，既保證了提取的特征點正確穩定，又降低了提取特征點的時間復雜度。

:

［1］黃祥林，沈蘭蓀.基于內容的圖像檢索技術研究［J］.電子學報，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，彭復員，趙坤，等.采用簡化SIFT算法實現快速圖像匹配［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特征的圖像自動拼接［J］.電視技術，2008，32（S1）:146－148.

［6］張春美，龔志輝，孫雷.改進SIFT特征在圖像匹配中的應用［J］.計算機工程與應用，2008，44（2）:95－97.

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

［8］劉瑞，彭進業，李展.簡化SIFT算法及其在商標圖像檢索中的應用［J］.計算機應用研究，2010，27（5）:1998－2000.

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

［10］王振海.融合HU不變矩和SIFT特征的商標檢索［J］.計算機工程與應用，2012，48（1）:187－190.

［11］王三虎，姚望舒，凌興宏.基于SIFT和角點特征的商標檢索算法［J］.計算機應用，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

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

江西省教育廳科技項目（GJJ10156）

黃友文（1982— ），副教授，博士，主要研究方向為視頻信號處理;

黃雅蘭（1989— ），女，碩士生，主要研究方向為數字圖像處理。

責任編輯:時 雯

2013－03－09