《商标相似度判别研究目的意义及国内外现状.doc》由会员分享，可在线阅读，更多相关《商标相似度判别研究目的意义及国内外现状.doc（5页珍藏版）》请在三一办公上搜索。
1、商标相似度判别研究目的意义及国内外现状1研究目的及意义12 国内外研究现状分析21研究目的及意义商标（trademark），它不同于古代的印记。商标作为现代标志承载着企业的无形资产，是企业综合信息传递的媒介。商标作为企业CIS战略的最主要部分，在企业形象传递过程中，是应用最广泛、出现频率最高，同时也是最关键的元素。企业强大的整体实力、完善的管理机制、优质的产品和服务，都被涵概于标志中，通过不断的刺激和反复刻画，深深的留在受众心中。 商标是一种法律用语，是生产经营者在其生产、制造、加工、拣选或者经销的商品或服务上采用的，为了区别商品或服务来源、具有显著特征的标志，一般由文字、图形或者其组合构成。
2、经国家核准注册的商标为“注册商标”，受法律保护。商标注册人享有商标专用权。商标设计将具体的事物、事件、场景和抽象的精神、理念、方向通过特殊的图形固定下来，使人们在看到商标的同时，自然的产生联想，从而对企业产生认同。在商业领域而言，商标包括文字、图形、字母、数字、三维标志和颜色组合，以及上述要素的组合，均可以作为商标申请注册。商标的标识还应具有显著特征，易于辨认，消费者可以据此把该商标标示的产品或服务同其他商标标示的同类产品或服务区别开来。理想的商标应具备五种特性：识别性、传达性、审美性、适应性、时代性。可以看出，“识别性”是商标最为重要的特性。商标作为商品的重要标识，注册后受到法律保护。商标法
3、规定，未经注册商标所有人的许可，在同一种商品或者类似商品上使用与其注册商标或者类似商标的，构成商标侵权。相同商标是指两商标相比较，文字、图形或者文字与图形的组合相同或者视觉上无差别。相似商标是指两商标相比较，文字的字形、读音、含义，或者图形的构图及颜色，或者文字与图形的整体结构相似，易使消费者对商品或者服务的来源产生混淆。随着注册商标的数目不断增加，由于相同或相似商标得问题，大量商标侵权事件的发生与日俱增。所以，在新商标图像注册之前需要将其与已注册的商标进行比较来确认其注册资格。随着注册商标数量的不断增加，人工编码比对的方式速度慢、效率低，为了加强商标的管理，建立一种准确、实用、可信赖的商标相
4、似判别方法具有非常重要的意义。商标相似判别方法对于保护注册商标的合法权益具有重要的意义。2 国内外研究现状分析商标相似度判别可以借鉴商标图像检索研究的成果。近年来发展的基于内容的图像检索方法(CBIR)获得了快速的发展，最有名的包括来自IBM的基于图像内容查询系统QBIC、Virage公司的VIR图像引擎和麻省理工学院的Photobook。图像的原始特征表现为颜色、纹理、形状任一个，或几种混合，基于这些特征，这种系统通常可以让用户检索到所需的图像。这些系统具有潜在的广泛的应用领域，比如工程、建筑设计、医疗成像、法律执行、新闻报刊、艺术、时尚。基于内容的检索方法以形状特征为主，形状是刻画物体的本
5、质特征之一，但是，图像的形状描述是一个非常复杂的问题。事实上，至今还没有找到形状的确切数学定义，使之能与人的感觉相一致。总的来说，形状表示法可以分为两类：基于边界的方法，如 Fourier描述子和变形模板匹配；基于区域的方法，如Hu 不变矩。前者仅仅使用形状外边界，而后者则用了整个形状的区域信息。基于形状特征的商标图像匹配有三类方法：一种是全局匹配，强调对整体图像的形状、轮廓特征分析；另一种是局部匹配，强调对商标图像内部对象的特征进行分析；另外一种是基于多特征的方法。国内外目前主要的研究方法和理论包括以下各个方面： Lam等人使用无关矩、傅里叶描述子描述图像形状特征。在基于形状的不变模式识别中
6、，不变矩和傅里叶描述子是2种主要的图像识别方法。Kauppien比较了各种典型形状识别方法的能力，表明基于物体轮廓坐标序列的傅里叶描述子具有最佳的形状识别性能。傅里叶描述子是物体形状边界曲线的傅里叶变换系数，它是物体边界曲线信号的频域分析结果。根据傅氏变换的性质，傅里叶描述子与形状尺度、方向和曲线起始点有关。 Kim等人提出了用显著视觉特征Zernike矩进行检索。Zernike 矩的基是正交径向多项式，可以保证所提取的特征相关性小、冗余性小、抗噪声能力强。正交性分离了每一阶矩对重构过程的贡献，将每阶矩的贡献线性相加就得到了重构图像；Zernike 矩的幅值是旋转不变量，因而可用来表示图像的旋
7、转不变特征，且可以很容易构造到任意高阶。近年来，Zernike 矩在图像处理、图像识别、机器视觉中有了广泛的应用。 姚玉荣等人利用小波变换提取图像边缘，再利用改进后的矩特征来描述图像边缘的形状特征。由于小波是处理多尺度可视化信息的强有力的数学工具，近来有些图像检索系统利用小波变换后的系数为特征来解决利用图像的空间分布和形状特征进行相似性检索的问题。但是通常的通过规则抽样进行离散小波变换获得的小波系数缺少平移不变性。这个问题可以用自适应(不规则)的抽样方案来解决。Mallat建议用小波模极大值来描述信号的奇异性，而信号的奇异点通常是信号中具有重要物理意义的点。对图像来说，小波模极大值描述的是图像
8、中目标的多尺度边界。小波模极大值是在对多尺度小波变换进行不规则抽样的基础上得到的，用它可以得到平移不变性，这样就克服了上面所说的小波变换的缺陷。 郭丽、黄元元等人用边界方向直方图表示边界方向特征，用区域方向直方图表示目标的区域方向特征。Jain提出的边界方向直方图方法，具有尺度不变性，能够比较好地描述商标图像的大体形状，并且对于图像中有局部噪声的情况鲁棒性比较好。用边缘检测算子检测出商标图像的边界，然后将边界方向量化为N柄形成边界方向直方图，并用边界方向直方图来描述目标的形状特征。图像的区域方向特征是描述图像整体形状的重要特征。区域方向特征或整体方向特征指所有象素在各个方向上的不同分布可以形成
9、各种各样的形状，例如实心圆在所有方向上象素的分布都是相同的，三角形在三个角的方向象素比较集中，而矩形则主要有四个方向。形状相似的不同目标，其整体方向特征一般是相似的。文中用区域方向直方图来表示图像的区域方向特征，区域方向直方图是由方向信号量化为M柄形成的。 侯阿临等人提出了基于联合不变矩形状特征的商标检索方法。对于边缘图像，选择合适的特征描述子进行特征描述，提取图像的形状特征，一种典型方法是用于区域形状识别的Hu不变矩和轮廓形状的Chen不变矩。这两种方法各有其缺陷，因此文中将区域和轮廓统一描述，利用16个修正的不变矩。这里称修正不变矩为联合不变矩，它满足缩放、 旋转不变性。文中用统计法证明了
10、联合不变矩的镜像不变性，增强了旋转不变性的鲁棒性，更好地满足了人的视觉感。 郭丽等人提出了一种基于单元子图像形状和空间结构的多级商标图像检索算法。文中提出一种基于形状和空间结构的商标图像检索方法，首先提取图像中所有的单元子图像，进行形状的相似性匹配，然后对相似的单元子图像之间的空间位置进行分析，如果待检图像包含的单元子图像与查询图像中的单元子图像对应相似，并且空间结构也相似，则该待检图像才作为检索结果输出。这种方法不仅利用了图像的局部形状特征，并且对图像内部的结构进行了充分考虑，因而能够取得更加出色的检索性能。 黄元元等人利用“四叉树”的分解方式将已确定形状主方向的图像分为多个小的子图像块，然
11、后对子图像块提取特征并对图像进行相似性度量等。文中首先计算出商标图像的形状主方向，根据其形状主方向对图像进行旋转，消除图像旋转带来的变化；考虑到平移不变性，将商标图像的目标区域从图像中分离出来，仅对目标区域进行分块操作；分块时采用了由粗到细的4叉树分层结构，可以实现对图像特征进行多层次描述；最后，提取的分块图像特征要具有良好的不变性。 Jau Ling Shih等人利用变形参数、形状无关矩和边缘直方图等特征来描述商标图像，并对这几类特征分别加权计算整体相似度。 苏杰等人针对二值商标图像的特点，提出了一种综合边界曲率特征和图像分块熵矩阵特征的检索算法。文中首先根据微分几何中曲率的定义，计算图像形
12、状边界上每一点的曲率，并统计得到曲率直方图作为边界特征。在图像分块的基础上，计算每一分块子图像的信息熵，得到熵矩阵，求该矩阵的奇异值作为区域特征。最后综合这两个特征进行检索。 孙君顶、毋小省等人提出了一种基于熵及不变矩特征的图像检索算法。图像首先被划分为不同分块，结合图像信息熵的概念，提出采用单元熵来描述分块特征，从而将图像转化为由单元熵构成的熵矩阵；在此基础上，利用不变矩来描述该熵矩阵的特征，并在对该特征归一化的基础上用于图像检索。结合不变矩的特性，试验中对算法的尺度不变性、旋转不变性、平移不变性及对噪声的不敏感性进行了验证，试验结果证明了算法的有效性。同时，由于熵的对称特性，算法对于图像灰度的变化也有较强的鲁棒性。而对于二值商标图像来说，颜色和纹理特征不能作为相似性判断的标准，因此其检索算法主要针对图像中的形状和空间分布特征。而综合来说，目前形状特征的提取算法大都是从边界或者区域特征方面考虑的。
