您可以在此处尝试使用SIFT等本地功能: http : //en.wikipedia.org/wiki/Scale-invariant_feature_transform
它应该起作用,因为徽标形状通常是恒定的,因此提取的特征应匹配得很好。
工作流程将如下所示:
检测拐角(例如,Harris拐角检测器)-对于耐克徽标,它们有两个尖锐的末端。
计算描述符(如SIFT-128D整数向量)
在训练阶段记住他们;在匹配阶段,为训练过程中获得的数据库中的每个特征找到最近的邻居。最后,您有一组匹配项(其中一些可能是错误的)。
使用RANSAC找出错误的匹配项。这样,您将获得描述从理想徽标图像到找到徽标的转换的矩阵。根据设置,您可以允许不同类型的变换(仅平移,平移和旋转,仿射变换)。
Szeliski的书有一章(4.1)关于局部特征。 http://research.microsoft.com/en-us/um/people/szeliski/Book/
聚苯乙烯
我以为您想在照片中找到徽标,例如找到所有百事可乐的广告牌,以免它们变形。如果您需要在屏幕上找到电视频道徽标(这样就不会旋转和缩放比例),则可以更轻松地完成操作(模式匹配等)。
常规SIFT不考虑颜色信息。由于徽标通常具有恒定的颜色(尽管确切的颜色取决于闪电和照相机),所以您可能希望以某种方式考虑颜色信息。
0
有人知道图像标识识别方面的最新学术成果吗?仅当您熟悉此特定主题时,请回答(我自己可以在Google上搜索“徽标识别”,非常感谢)。任何对计算机视觉知识渊博并且已完成对象识别工作的人也欢迎发表评论。
更新 :请参考算法方面(您认为哪种方法合适,本领域的论文,对于现实世界的数据是否应该工作(并且已经过测试),效率方面的考虑),而不是技术方面(使用的编程语言或是否与OpenCV一起使用...)在图像索引和基于内容的图像检索方面的工作也可以提供帮助。