基于Zernike矩与SIFT特征的商标检索算法
【摘要】 为降低商标检索算法的误检率，提出一种结合Zernike矩(ZM)和尺度不变特征变换(SIFT)的商标检索算法，该算法由离线数据库构建和在线检索组成。分别从查询图像中提取ZM和SIFT特征;根据查询图像的特征集与数据库中存储的图像的特征集之间的ZM特征进行相似度度量，形成候选商标集;最后，利用SIFT特征对查询图像与候选图像精准检测，对相似距离进行排序，将结果返回给用户。实验结果表明:与当前流行的商标检索算法相比，该算法具备更好的检索性能，在缩放、平移、模糊、透视、斜切、扭曲等变换干扰下，仍呈现出更理想的Precision-Recall曲线以及F值。
