图像时，首先对查询图像进行预处理和特征提取，然后对特征库中的商标图像进行特征匹配，找出相似的图像作为检索结果。
f图1图像检索系统架构
22特征提取特征提取
对于二值商标图像，形状特征是最主要特征。1962年，Hu提出了图像识别的不变矩理论，用7个Hu不变矩来表征图像的形状3。这些矩对于平移、缩放和旋转的变化不敏感，反映了区域的共有特性，已经广泛用于形状特性的描述。HUMK证明了这个矩组中的φ1φ6具有尺度、平移和旋转不变性；而φ7只具有尺度和平移不变性，却不具有旋转不变性，仅在镜面对称时保持不变。HU是基于区域的一种方法，形状的区域特征还有面积、欧拉数、离心率等，相对于区域特征，轮廓特征更符合人类的视觉感受。
221图像边缘检测
在提取角点直方图特征之前，首先检测二值商标图像的边界像素点。目前提取边缘的常用算法是通过ca
y算子进行边缘检测，但是对于二值图像，唐振军等提出了一种更加简单快速的方法，且获得的边界同样是单像素点4。对于每一个目标像素点，判断其4邻域是否存在背景像素点，如果存在背景图像，即为边界像素。如果4邻域像素都为目标像素点，则此不是边界像素。如图2所示，对于目标像素P像素，如果像素P1、P2、P3、P4都为目标像素，则P像素不是边界像素。如果其中之一为背景像素，则像素P为边界像素。此算法较ca
y算法具有运算量小，效率高等优点，对于二值图像来说是一个较好的边缘提取算法。
图2
f如图3，图a是原图，图b是边缘提取后的边缘像素图。实验证明，提取的边缘是单像素点且没有断点出现。
a原图
b边缘提取后的图像
图3二值图像边缘提取效果
222角点直方图
提取边缘像素点后利用边缘像素点8邻域内的邻点计算方向角度，从而建立角点直方图。设边缘提取后的图像上边界点序列为ω1ω2ωp，p为像素点总数。每个点ω1≤i≤p的8邻域内边缘像素点数量为N，N≥3或0≤N2时，当认为点ω不是角点。N2时，当认为ω是角点。角点的方向角度定义如下：每个边缘像素点作为顶点，相邻的两个像素点作为边，所构成的夹角的角度就是角点的方向角度。角点的方向角度有四种：45o，90o，135o，180o。每种方向角度对应多种情况：如90o：
再比如180o：
计算每一个角点的方向角度，然后统计每一个方向角度的角点数量，得到角点直方图。为了不受图像缩放影响，对直方图进行归一化处理：BiBiS其中Bi为角点直方图，S为角点总数，即
oo
∑Bi。
i0
3
实r