Logo识别技术的应用广泛,如识别货物Logo实现货物自动分类,检测网络图片内Logo分析品牌影响力,电商网站通过Logo识别分析企业产品热度等。国内外学者也做了相关研究,但对于网络、自然场景下的Logo图片识别率有待提高。为解决Logo图像多种形态与背景环境多样性影响识别率的问题,论文提出基于改进SURF特征的Logo识别方法。论文的主要工作如下:(1)针对Logo图像尺度变化、旋转变化、遮挡、亮度变化等问题,本文选用局部不变特征描述Logo图像。考虑到SURF特征的效率问题,分析SURF描述子生成方法,对SURF描述子进行改进和降维。将传统SURF描述子的方形特征邻域改为圆形邻域,增强描述子的旋转不变性,降低描述子的累积误差。在划分圆形邻域时,将描述子降至32维,有效提高了算法运行效率。(2)针对网络、自然场景下Logo图像背景复杂误匹配率较高问题,提出了基于特征点几何位置的匹配算法。实验发现几何位置容易受到旋转变化的干扰,先对测试图像进行角度矫正,消除测试图像与样本图像的旋转差异。角度矫正利用SURF特征点的主方向,分别统计样本图像与测试图像所有特征点的主方向,找到出现频率最高的主方向作为图像代表方向,对比样本、测试图像的代表方向,根据角度差值进行补偿。改进的匹配算法先计算匹配图像间的匹配角,分析正确匹配角与误匹配角的分布规律,利用自适应聚类算法将匹配角聚类,通过类中元素个数与类簇数目结合的两级筛选方法,剔除误匹配角提纯匹配对。实验对比发现本文匹配算法具有较高的匹配正确率且保证了较低的误剔除率,有利于提高Logo识别精度。(3)论文分别在自建饮品Logo数据集和Flickr公开数据集对算法进行测试。相较相关文献算法,本文算法识别率分别比其他文献算法提高了13%和5%。