日用商品种类繁多,能否方便快捷地获得商品的相关信息对购买者进行购物决策影响巨大。针对这一问题,对商标图像识别方法进行了深入研究,并设计实现了一个商标识别系统。主要工作如下:1、提出了一种基于视觉显著性的商标图像分割方法。根据对商标图像的显著性分析,提出MLRC显著性检测算法,其在RC算法基础上提出了两点改进:一是将单尺度的RC方法改为多尺度RC方法;二是将多尺度的RC显著图进一步融合多位置先验图。该算法获得的显著图进一步剔除背景冗余信息,使商标更加均匀的凸显出来。实验证明,MLRC算法得到的显著图经过阈值分割等处理后,大多数商标图像分割比较完整。2、提出了一种基于改进遗传算法的多特征选择方法,构造了基于SVM的商标分类器。为了提高识别精度,提取多类型特征来增强特征的表示和区分能力,但同时为了提高识别效率,采用遗传算法进行多特征选择。为了提高该算法中适应度函数的有效性,基于SVM使用K折交叉验证的方法计算分类精度,将其作为计算个体适应度值的主要指标。实验证明,该算法获得的最优特征子集不仅特征维数降低了81维,而且在其基础上构造SVM多类分类器进行商标识别,识别精度提高了1.29%。3、设计实现了一个商标识别系统。系统包括商标图像的采集模块、处理模块、特征处理模块、识别模块等模块,使用C++和Matlab混合编程实现了商标图像的读入、分割、特征提取和选择、识别等功能。