Luận Văn Thạc Sĩ Về Trích Xuất Ảnh Trademark Dựa Trên Các Đặc Trưng Bất Biến

Luận văn thạc sĩ nghiên cứu vnu uet trích xuất ảnh trademark dựa trên các đặc trưng bất biến dịch chuyển quay tỷ lệ, đánh giá hiện trạng, phân tích vấn đề, đề xuất biện pháp hoàn

• Tác giả: Nguyen Tien Dung
• Người hướng dẫn: Dr. Le Thanh Ha
• Trường học: University Of Engineering And Technology Vietnam National University, Hanoi
• Chuyên ngành: Information Technology, Computer Science
• Đề tài: Trademark Image Retrieval Based On Scale, Rotation, Translation, Invariant Features
• Loại tài liệu: Master Thesis
• Năm xuất bản: 2014
• Địa điểm: Hanoi

Mục lục chi tiết

• 1. CHAPTER 1: INTRODUCTION
• 2. CHAPTER 2: RELATED WORK
• 3. CHAPTER 3: BACKGROUND
• 4. CHAPTER 4: PROPOSED METHOD
• 5. CHAPTER 5: EXPERIMENTS AND RESULTS
• 6. CHAPTER 6: CONCLUSION
• APPENDIX

Tóm tắt

I. Tổng Quan Về Trích Xuất Ảnh Trademark Dựa Trên Đặc Trưng Bất Biến

Trích xuất ảnh trademark là một lĩnh vực quan trọng trong công nghệ nhận diện thương hiệu. Việc sử dụng các đặc trưng bất biến như tỷ lệ, xoay và dịch chuyển giúp cải thiện độ chính xác trong việc nhận diện và phân loại các thương hiệu. Nghiên cứu này tập trung vào việc phát triển các phương pháp trích xuất hình ảnh trademark hiệu quả, nhằm hỗ trợ các cơ quan đăng ký thương hiệu trong việc bảo vệ quyền lợi của doanh nghiệp.

1.1. Định Nghĩa và Vai Trò Của Trademark

Trademark, hay nhãn hiệu, là một biểu tượng, từ ngữ hoặc thiết kế đại diện cho một sản phẩm hoặc dịch vụ. Nó không chỉ giúp phân biệt sản phẩm mà còn bảo vệ quyền lợi của doanh nghiệp. Việc trích xuất hình ảnh trademark chính xác là rất cần thiết để ngăn chặn sự nhầm lẫn giữa các thương hiệu.

1.2. Tại Sao Cần Trích Xuất Ảnh Trademark

Với sự gia tăng số lượng thương hiệu trên thị trường, việc tìm kiếm và phân loại các trademark trở nên khó khăn hơn. Trích xuất ảnh trademark giúp các cơ quan quản lý dễ dàng hơn trong việc phát hiện và xử lý các trường hợp vi phạm bản quyền hoặc nhãn hiệu.

II. Thách Thức Trong Việc Trích Xuất Ảnh Trademark

Mặc dù có nhiều công nghệ hiện đại, việc trích xuất ảnh trademark vẫn gặp phải nhiều thách thức. Các vấn đề như độ tương phản thấp, sự biến dạng hình ảnh và sự tương đồng giữa các thương hiệu là những yếu tố gây khó khăn trong quá trình nhận diện.

2.1. Vấn Đề Về Độ Tương Phản Hình Ảnh

Độ tương phản thấp có thể làm giảm khả năng nhận diện của các thuật toán trích xuất. Hình ảnh mờ hoặc bị nhiễu có thể dẫn đến việc nhận diện sai thương hiệu, gây thiệt hại cho doanh nghiệp.

2.2. Sự Biến Đổi Hình Ảnh

Các hình ảnh trademark có thể bị biến dạng do nhiều yếu tố như xoay, thu phóng hoặc dịch chuyển. Điều này đòi hỏi các phương pháp trích xuất phải có khả năng nhận diện bất biến trước những biến đổi này.

III. Phương Pháp Trích Xuất Ảnh Trademark Hiệu Quả

Để giải quyết các thách thức trong việc trích xuất ảnh trademark, nhiều phương pháp đã được phát triển. Các phương pháp này tập trung vào việc sử dụng các đặc trưng bất biến để cải thiện độ chính xác và hiệu quả trong việc nhận diện.

3.1. Sử Dụng Đặc Trưng Bất Biến

Các đặc trưng bất biến như tỷ lệ, xoay và dịch chuyển giúp cải thiện khả năng nhận diện thương hiệu. Những đặc trưng này cho phép hệ thống nhận diện thương hiệu ngay cả khi hình ảnh bị biến đổi.

3.2. Ứng Dụng Thuật Toán Trích Xuất

Các thuật toán như Discrete Fourier Transform (DFT) và Log-polar transform được sử dụng để trích xuất các đặc trưng hình ảnh. Những thuật toán này giúp tạo ra các vector đặc trưng mạnh mẽ cho việc so sánh và nhận diện.

IV. Ứng Dụng Thực Tiễn Của Trích Xuất Ảnh Trademark

Trích xuất ảnh trademark không chỉ có ý nghĩa trong việc bảo vệ quyền lợi doanh nghiệp mà còn có nhiều ứng dụng thực tiễn khác. Các hệ thống tự động hóa trong việc nhận diện thương hiệu đang ngày càng trở nên phổ biến.

4.1. Hệ Thống Tự Động Nhận Diện Thương Hiệu

Các hệ thống tự động giúp giảm thiểu thời gian và công sức trong việc tìm kiếm và phân loại các trademark. Điều này không chỉ giúp các cơ quan quản lý hoạt động hiệu quả hơn mà còn bảo vệ quyền lợi của doanh nghiệp.

4.2. Nghiên Cứu và Phát Triển Công Nghệ

Nghiên cứu về trích xuất ảnh trademark mở ra nhiều cơ hội cho việc phát triển công nghệ mới. Các công nghệ này có thể được áp dụng trong nhiều lĩnh vực khác nhau, từ thương mại điện tử đến quảng cáo.

V. Kết Luận và Tương Lai Của Trích Xuất Ảnh Trademark

Trích xuất ảnh trademark dựa trên đặc trưng bất biến là một lĩnh vực đang phát triển mạnh mẽ. Với sự tiến bộ của công nghệ, khả năng nhận diện thương hiệu sẽ ngày càng chính xác và hiệu quả hơn.

5.1. Tương Lai Của Công Nghệ Nhận Diện Thương Hiệu

Công nghệ nhận diện thương hiệu sẽ tiếp tục phát triển, với nhiều cải tiến trong các thuật toán và phương pháp trích xuất. Điều này sẽ giúp các doanh nghiệp bảo vệ thương hiệu của mình tốt hơn.

5.2. Khuyến Khích Nghiên Cứu Thêm

Cần khuyến khích các nghiên cứu sâu hơn về trích xuất ảnh trademark, nhằm tìm ra các phương pháp mới và hiệu quả hơn trong việc nhận diện thương hiệu.

Nội dung chính

Tổng quan nghiên cứu

Trong nền kinh tế thị trường toàn cầu hóa, nhãn hiệu hàng hóa (trademark) là tài sản trí tuệ vô giá đại diện cho danh tiếng, giá trị và quyền sở hữu độc quyền của doanh nghiệp. Theo thống kê tại các cơ quan quản lý sở hữu trí tuệ, hàng triệu đơn đăng ký nhãn hiệu mới được nộp mỗi năm, tạo ra áp lực khổng lồ cho công tác thẩm định. Tại Việt Nam, dữ liệu từ Cục Sở hữu Trí tuệ (NOIP) cho thấy có khoảng 70% nhãn hiệu đăng ký là dạng phức hợp (composite-mark) kết hợp giữa hình ảnh đồ họa và ký tự chữ, trong khi 90% nhãn hiệu sử dụng dưới 5 màu sắc. Quy trình tra cứu thủ công truyền thống bộc lộ nhiều hạn chế về thời gian, tốn kém nhân lực và dễ dẫn đến sai sót khi đối mặt với các hành vi xâm phạm bản quyền tinh vi như xoay hướng, phóng to thu nhỏ, tịnh tiến vị trí hoặc sao chép từng phần.

Nhằm giải quyết triệt để vấn đề này, luận văn thạc sĩ chuyên ngành Khoa học Máy tính (mã số 60480101) tại Trường Đại học Công nghệ – Đại học Quốc gia Hà Nội đã tập trung nghiên cứu đề tài: "Trích xuất ảnh Trademark dựa trên đặc trưng bất biến". Mục tiêu trọng tâm của đề tài là xây dựng hệ thống tự động truy vấn ảnh nhãn hiệu dựa trên nội dung (CBIR - Content-Based Image Retrieval) có khả năng trích xuất các vector đặc trưng bất biến hoàn toàn với các phép biến đổi hình học: co giãn (scale), quay (rotation) và tịnh tiến (translation). Nghiên cứu được triển khai thực nghiệm trên tập dữ liệu 243 ảnh nhãn hiệu phức hợp thực tế thu thập từ Cục Sở hữu Trí tuệ Việt Nam. Kết quả đạt được thiết lập độ chính xác trung bình lên tới 96.8% trong việc truy xuất top 5 nhãn hiệu tương đồng nhất, mở ra giải pháp công nghệ tự động hóa hiệu quả cho các cơ quan thẩm định và doanh nghiệp.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng dựa trên nền tảng lý thuyết thị giác máy tính và hệ thống truy vấn ảnh dựa trên nội dung (CBIR). Khung lý thuyết bao gồm 3 trụ cột kỹ thuật chính:

• Lý thuyết phân đoạn ảnh và trích xuất đường bao: Thuật toán phân ngưỡng tự động Otsu được áp dụng để chuyển đổi ảnh xám sang ảnh nhị phân dựa trên nguyên lý tối đa hóa phương sai giữa các lớp (between-class variance) hoặc tối thiểu hóa phương sai nội lớp (within-class variance). Cấu trúc tô-pô đường bao được phân tích thông qua thuật toán Suzuki để trích xuất các đối tượng hình học liên thông.
• Lý thuyết biến đổi bất biến hình học (RST Invariance): Sự kết hợp giữa biến đổi Fourier 2 chiều (2D-DFT) và biến đổi Log-Polar (LPT). Theo nguyên lý giải tích Fourier, phép tịnh tiến trong miền không gian chỉ làm thay đổi pha mà giữ nguyên phổ biên độ (magnitude spectrum). Khi chuyển đổi phổ biên độ sang hệ tọa độ Log-Polar $(\rho, \theta)$, các thao tác co giãn kích thước biến thành phép dịch chuyển dọc theo trục $\log(r)$, còn phép quay góc chuyển thành phép dịch chuyển dọc theo trục $\theta$. Phép biến đổi Fourier lần thứ hai (RBRC) sẽ triệt tiêu hoàn toàn các độ dịch chuyển này, tạo ra vector đặc trưng bất biến RST.
• Không gian đo độ tương đồng: Khoảng cách Euclidean được sử dụng để tính toán độ sai khác giữa các vector đặc trưng đa chiều, kết hợp với các chỉ số đo lường như khoảng cách Mahalanobis, Cityblock và khoảng cách dây cung (Chord distance).

Phương pháp nghiên cứu

Nghiên cứu áp dụng quy trình thực nghiệm định lượng chuẩn hóa qua 4 giai đoạn xử lý dữ liệu liên hoàn:

• Nguồn dữ liệu và chọn mẫu: Tập dữ liệu nghiên cứu gồm 243 ảnh nhãn hiệu phức hợp chuẩn từ Cục Sở hữu Trí tuệ Việt Nam. Phương pháp chọn mẫu tập trung vào các nhãn hiệu đa thành phần có cấu trúc phức tạp nhằm phản ánh chính xác các thách thức thực tế trong công tác thẩm định bản quyền.
• Tiền xử lý và phân tách đối tượng: Ảnh đầu vào được chuẩn hóa kích thước về cạnh ngắn nhất 300 pixel, chuyển sang thang độ xám và nhị phân hóa bằng Otsu. Thuật toán lọc đường bao cải tiến (FilterContours) tính toán diện tích bằng công thức Green và sử dụng hai ngưỡng thực nghiệm $T_1 = 3.82$ và $T_2 = 81707$ để loại bỏ nhiễu, giữ lại tối đa 2 đối tượng hình học chủ đạo đại diện cho nhãn hiệu.
• Trích xuất vector đặc trưng: Mỗi đối tượng hình học được đưa qua thuật toán RBRC gồm 3 bước: tính 2D-DFT, ánh xạ phổ biên độ sang ma trận Log-Polar kích thước $360 \times 425$, và áp dụng 2D-DFT lần thứ hai để tạo vector đặc trưng.
• Phân tích và đối sánh: Hệ thống tính toán khoảng cách Euclidean tối thiểu giữa các tập vector đặc trưng của ảnh truy vấn và ảnh trong cơ sở dữ liệu để xếp hạng và xuất ra top 5 kết quả tương đồng nhất. Môi trường lập trình được thiết lập trên Microsoft Visual Studio 2010 tích hợp thư viện OpenCV 2.2 trên hệ điều hành Windows 7.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình thực nghiệm mô phỏng toàn diện các hành vi sao chép, chỉnh sửa nhãn hiệu phổ biến trong thực tế mang lại những phát hiện định lượng nổi bật:

• Độ chính xác tuyệt đối với sao chép nguyên bản, phép quay và phản chiếu: Thử nghiệm sao chép nguyên mẫu (exact copy), phép quay với các góc quay tăng dần từ 30° đến 150° (bước nhảy 30°), và phép lật gương thẳng đứng (vertical mirror) đều đạt tỷ lệ nhận diện chính xác 100%. Ảnh gốc luôn xuất hiện ở vị trí đầu tiên trong danh sách top 5 kết quả trả về.
• Khả năng chịu đựng biến đổi tịnh tiến và co giãn kết hợp: Đối với các trường hợp kết hợp đồng thời co giãn tỷ lệ 0.7 và tịnh tiến nhãn hiệu về 4 góc khung hình, hệ thống đạt độ chính xác nhận diện 100%.
• Ngưỡng suy giảm hiệu năng theo tỷ lệ co giãn: Hiệu năng nhận diện duy trì độ ổn định tuyệt đối từ tỷ lệ phóng to thu nhỏ 1.0 xuống đến 0.5. Tuy nhiên, khi tỷ lệ co giãn giảm xuống dưới 0.4, độ chính xác giảm mạnh do mất mát thông tin điểm ảnh ở kích thước quá nhỏ.
• Khả năng phát hiện sao chép một phần và truy vấn ngẫu nhiên: Hệ thống nhận diện thành công các mẫu nhãn hiệu bị cắt ghép, pha trộn từ 2 nhãn hiệu khác nhau kết hợp xoay 30° hoặc lật ảnh. Với các truy vấn từ thương hiệu nổi tiếng quốc tế không có trong cơ sở dữ liệu (như Apple, Nike, Adidas, Samsung, LG), hệ thống vẫn truy xuất chính xác các nhãn hiệu nội địa có hình dạng tương đồng.
• Hiệu suất trung bình: Tỷ lệ chính xác tổng thể của phương pháp đề xuất đạt mức trung bình 96.8% trên toàn bộ tập dữ liệu thử nghiệm.

Thảo luận kết quả

Hiệu năng vượt trội của thuật toán RBRC bắt nguồn từ cơ chế xử lý hai tầng trong miền tần số kết hợp không gian Log-Polar. Việc chuyển đổi từ hệ tọa độ Descartes $(x, y)$ sang tọa độ cực $(\rho, \theta)$ đã chuyển đổi hiệu quả các biến dạng co giãn và xoay phức tạp thành phép tịnh tiến tuyến tính đơn giản, sau đó bị triệt tiêu hoàn toàn bởi phép biến đổi Fourier thứ hai.

Dữ liệu thực nghiệm khi biểu diễn qua bảng so sánh độ chính xác theo tỷ lệ co giãn (Scale Ratio) minh họa rõ ràng ranh giới suy giảm hiệu năng: tại các tỷ lệ 1.0, 0.9, 0.8, 0.7, 0.6 và 0.5, đường biểu đồ biểu diễn độ chính xác duy trì ở mức tiệm cận tuyệt đối, nhưng dốc xuống rõ rệt khi tỷ lệ đạt 0.4 và 0.3. So với các công trình nghiên cứu sử dụng biến đổi Zernike Moments kết hợp SIFT hoặc Moment màu HSV, giải pháp phân tách đối tượng chủ đạo bằng hai ngưỡng $T_1 = 3.82$ và $T_2 = 81707$ giúp loại bỏ triệt để các đường bao nhiễu nhỏ, giảm thiểu 60% chi phí tính toán vector mà vẫn bảo toàn độ đặc trưng của cấu trúc hình học.

Đề xuất và khuyến nghị

Dựa trên kết quả nghiên cứu thực nghiệm, 4 khuyến nghị hành động cụ thể được đề xuất nhằm ứng dụng giải pháp vào thực tiễn:

• Tích hợp module tự động hóa vào hệ thống đăng ký nhãn hiệu quốc gia: Cục Sở hữu Trí tuệ nên triển khai thử nghiệm hệ thống tìm kiếm hình ảnh tự động ứng dụng thuật toán RBRC trong lộ trình 12 tháng, đặt mục tiêu giảm 75% thời gian tra cứu sơ bộ cho chuyên viên thẩm định và hạn chế tối đa nguy cơ cấp trùng nhãn hiệu.
• Mở rộng quy mô cơ sở dữ liệu và tối ưu hóa cấu trúc chỉ mục: Đơn vị kỹ thuật phát triển hệ thống cần nâng cấp tập dữ liệu thử nghiệm từ 243 mẫu lên quy mô hơn 100.000 nhãn hiệu trong vòng 18 tháng, áp dụng các kỹ thuật lập chỉ mục phân cấp (hierarchical indexing) hoặc cây kd-tree để duy trì thời gian phản hồi dưới 0.5 giây cho mỗi truy vấn.
• Nâng cấp thuật toán tích hợp xử lý đa đặc trưng màu sắc và nhận diện ký tự: Nhóm nghiên cứu nên phát triển phiên bản nâng cấp kết hợp trích xuất đặc trưng hình học RBRC với nhận diện ký tự quang học (OCR) và mô hình không gian màu HSV trong 6 đến 9 tháng, nhằm nâng tỷ lệ nhận diện đối với các nhãn hiệu có tỷ lệ co giãn dưới 0.4 lên trên 85%.
• Xây dựng cổng tra cứu sơ bộ trực tuyến dành cho doanh nghiệp: Hiệp hội Sở hữu Trí tuệ phối hợp cùng các viện nghiên cứu phát triển công cụ tra cứu nhãn hiệu trực tuyến trong 6 tháng, giúp các doanh nghiệp và tổ chức khởi nghiệp tự đánh giá mức độ tương đồng của logo trước khi nộp đơn chính thức.

Đối tượng nên tham khảo luận văn

Công trình nghiên cứu mang lại giá trị lý thuyết và thực tiễn phong phú cho 4 nhóm đối tượng chính:

• Chuyên viên thẩm định sở hữu trí tuệ: Cung cấp tài liệu tham khảo chuyên sâu về quy trình tự động hóa kiểm định tính độc nhất của logo, phát hiện các trường hợp sao chép tinh vi, bảo vệ quyền lợi hợp pháp của doanh nghiệp.
• Kỹ sư thị giác máy tính và phát triển phần mềm: Học hỏi kỹ thuật cài đặt chi tiết thuật toán biến đổi Log-Polar, Fourier 2D, xử lý đường bao Suzuki trên C++ và OpenCV 2.2 thông qua toàn bộ mã nguồn cung cấp trong phần phụ lục.
• Doanh nghiệp và luật sư sở hữu trí tuệ: Nắm bắt cơ chế nhận diện mức độ tương đồng hình học của nhãn hiệu để thiết kế bộ nhận diện thương hiệu an toàn, phòng tránh rủi ro tranh chấp pháp lý và vi phạm bản quyền.
• Học viên cao học và nhà nghiên cứu công nghệ thông tin: Sử dụng làm tài liệu nghiên cứu chuyên khảo về hệ thống CBIR, phương pháp trích xuất đặc trưng bất biến RST và phân đoạn ảnh nhị phân.

Câu hỏi thường gặp

1. Thuật toán RBRC xử lý tính bất biến hình học như thế nào?

Thuật toán RBRC sử dụng chuỗi 3 bước: tính phổ biên độ Fourier 2D để triệt tiêu biến đổi tịnh tiến, áp dụng biến đổi Log-Polar để chuyển biến đổi xoay và co giãn thành phép dịch chuyển tuyến tính, sau đó tính Fourier 2D lần hai để loại bỏ hoàn toàn các dịch chuyển này.

2. Tại sao nghiên cứu chỉ chọn trích xuất tối đa 2 đối tượng hình học chủ đạo?

Khảo sát thực tế trên cơ sở dữ liệu nhãn hiệu Việt Nam cho thấy đa số logo chỉ chứa 1 đến 2 biểu tượng đồ họa chính mang tính định vị thương hiệu. Việc lọc giữ lại tối đa 2 đối tượng giúp loại bỏ các đường bao rác và giảm đáng kể thời gian tính toán.

3. Tỷ lệ co giãn (scale ratio) tối thiểu để hệ thống nhận diện chính xác là bao nhiêu?

Hệ thống đạt độ chính xác tuyệt đối 100% khi tỷ lệ co giãn từ 0.5 trở lên. Khi kích thước ảnh thu nhỏ xuống tỷ lệ 0.4 hoặc thấp hơn, lượng thông tin hình học bị suy giảm mạnh khiến độ chính xác bắt đầu suy giảm.

4. Hệ thống có phát hiện được hành vi cắt ghép một phần nhãn hiệu không?

Có. Nhờ việc phân đoạn nhãn hiệu thành các đối tượng hình học riêng biệt trước khi tạo vector đặc trưng, hệ thống dễ dàng phát hiện và truy xuất chính xác các logo gốc ngay cả khi đối tượng bị cắt ghép, xoay góc 30° hoặc lật gương.

5. Mã nguồn và môi trường phát triển của đề tài được triển khai trên nền tảng nào?

Hệ thống được phát triển hoàn chỉnh trên ngôn ngữ C++ sử dụng thư viện xử lý ảnh OpenCV 2.2, biên dịch thông qua phần mềm Microsoft Visual Studio 2010 trên hệ điều hành Windows 7. Toàn bộ mã nguồn chi tiết được công bố trong phần phụ lục luận văn.

Kết luận

• Giải pháp đột phá: Đề xuất thành công phương pháp trích xuất đặc trưng nhãn hiệu bất biến hoàn toàn với các phép biến đổi co giãn, quay và tịnh tiến (RST) dựa trên thuật toán RBRC.
• Độ chính xác vượt trội: Đạt tỷ lệ chính xác trung bình 96.8% trên tập dữ liệu thực tế gồm 243 nhãn hiệu phức hợp từ Cục Sở hữu Trí tuệ Việt Nam.
• Khả năng kháng biến dạng cao: Nhận diện hoàn hảo 100% đối với các hành vi sao chép nguyên bản, quay từ 30° đến 150°, lật gương và cắt ghép một phần.
• Đóng góp học thuật: Công trình đã được công bố tại kỷ yếu hội thảo quốc tế IEEE RIVF 2013 và cung cấp mã nguồn C++/OpenCV hoàn chỉnh cho cộng đồng nghiên cứu.
• Lộ trình phát triển: Tiếp tục mở rộng hệ thống với dữ liệu quy mô lớn trên 100.000 mẫu, kết hợp nhận diện màu sắc đa chiều và công nghệ OCR nhận dạng ký tự.

Quý bạn đọc, chuyên viên nghiên cứu và doanh nghiệp quan tâm có thể khai thác chi tiết thuật toán và mã nguồn trong luận văn để áp dụng vào các dự án thị giác máy tính và bảo hộ tài sản trí tuệ.

Trích đoạn nội dung tài liệu

UNIVERSITY OF ENGINEERING AND TECHNOLOGY VIETNAM NATIONAL UNIVERSITY, HANOI NGUYEN TIENDUNG TRADEMARK IMAGE RETRIEVAL BASED ON SCALE, ROTATION, TRANSLATION, INVARIANT FEATURES MASTER THESIS:INFORMATION TECHNOLOGY Hanoi - 2014 0 LUAN VAN CHAT LUONG download : add [e-mail] UNIVERSITY OF ENGINEERING AND TECHNOLOGY VIETNAM NATIONAL UNIVERSITY, HANOI NGUYEN TIENDUNG TRADEMARK IMAGE RETRIEVAL BASED ON SCALE, ROTATION, TRANSLATION, INVARIANT FEATURES Major : Computer Science Code : 60480101 MASTER THESIS: INFORMATION TECHNOLOGY Supervised by: Dr. Le Thanh Ha Hanoi - 2014 1 Hanoi - 2010 LUAN VAN CHAT LUONG download : add [e-mail] Originality Statement ‘I hereby declare that this submission is my own work and to the best of my knowledge it contains no materials previously published or written by another person, or substantial proportions of material which have been accepted for the award of any other degree or diploma at University of Engineering and Technology (UET) or any other educational institution, except where due acknowledgement is made in the thesis. I also declare that the intellectual content of this thesis is the product of my own work, except to the extent that assistance from others in the project’s design and conception or in style, presentation and linguistic expression is acknowledged. 2 LUAN VAN CHAT LUONG download : add [e-mail] TABLE OF CONTENS Originality Statement.

8 Chapter 2: Related work. Feature vectors extraction. Discrete Fourier Transform (DFT). Log-polar transform.

Measure of similarity. 23 Chapter 4: Proposed method. Visual shape objects extraction. Scale, rotation, translation invariant features.

Measure of similarity. 28 Chapter 5: Experiments and results. Test results for exact copy actions. 32 3 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.

Test results for scaling action. Test results for rotating actions. Test results for mirror actions. Test results for partial copy actions.

Test results for random query trademark. 45 Visual shape objects extraction. 45 Scale, rotation, translation invariant features extraction. 47 Matching by measure of similarity and retrieval Trademark Images.

49 4 LUAN VAN CHAT LUONG download : add [e-mail] List of Figure Fig. Some trademark image samples. The log-polar transform maps (𝐱, 𝐲) into (𝐥𝐨𝐠(𝐫), 𝛉). Log-polar transform of rotated and scaled squares: size goes to a shift on the 𝐥𝐨𝐠(𝐫) axis and rotation to a shift on the 𝛉 − 𝐚𝐱𝐢𝐬.

Contour filter algorithm. Illustration of three stages of the proposed method. Samples of the collected trademark images for testing. Results for exact copy tests.

Result for scaling tests. Results for translation and scaling tests. Results for rotation tests. Results for mirror tests.

Results for parital copy tests. Results for random tests. 38 5 LUAN VAN CHAT LUONG download : add [e-mail] ABBREVIATION DFT: Discrete Fourier Transform CBIR: Content Based Image Retrieval SIFT: Scale-invariant feature transform 6 LUAN VAN CHAT LUONG download : add [e-mail] Abstract Trademark registration offices or authorities have been bombarded with requests from enterprises. These authorities face a great deal of difficulty in protecting enterprises’ rights such as copyright, license, or uniqueness of logo or trademark since they have only conventional clustering.

Urgent and essential need for sufficient automatic trademark image retrieval system, therefore, is entirely worth thorough research. In this thesis, a novel trademark image retrieval method is proposed in which the input trademark image is first separated into dominant visual shape images then a feature vector for each shape image which is scale-, rotation-, and translation- invariant is created. Finally, a similarity measure between two trademark is calculated based on these feature vectors. Given a query trademark image, retrieval procedure is carried out by taking the most five similar trademark images in a predefined trademark.

Various experiments are conducted to mimic the many types of trademark copying actions and the experimental results exhibit the robustness of our retrieval method under these trademark copy actions. 7 LUAN VAN CHAT LUONG download : add [e-mail] Chapter 1: Introduction From an economic perspective, a trademark is clearly understood as a word, a design, a picture, a complex symbol or even a combination of such, which is put on a product or standing for service of particular company.