6. 獨特度與視覺指標
6.1. 獨特度
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
51
6. 獨特度與視覺指標
本研究所提出的三個指標分析方法主要為針對該商標是否為一個”容易正確辨識”
的商標設計，也就是說找出不容易被混淆的商標其應有的特性。然而人類對於是否能正 確辨識上除了利用視覺上的感受之外有一大部分是利用知識背景來進行圖像記憶與辨 識，也就是說人類所認知的”是否容易正確辨識”，在僅考慮視覺因子的情況下是無法正 確的被量化的，故本研究在此將以另一個視覺的指標衡量辨識度，也就是獨特度，然而 正如同之前所提，辨識度是無法被量化的，一個較不一樣的商標雖然不一定可以容易的 被辨識然而卻比較不容易被混淆，也就是視覺辨識度與獨特度有一定的相關性。
6.1. 獨特度
以往有一些研究是利用影像中物件的配置做為影像辨識的依據[41-43]，這些研究 也說明了在影像在空間配置的關係有助於提昇正確辨識的效果，此外對於一個商標而言 Koschembar 也提到了商標的配置會影響到商標的視覺感受[13]，所以在獨特度的測量上，
本研究將利用人類視覺對圖像的感受也就是佈局做為分析的依據，在佈局特徵分析的設 計上，考慮到商標的組成通常是較簡單的，且使用的影像皆為沒有旋轉或是雜訊等問題 的影像，可以利用最直接方法且不需要考量到佈局特徵子的強健性的問題。
6.1.1. 佈局特徵子
關於商標中的佈局可以利用影像中的空間相似度進行分析，對於空間相似度的分
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
52
析上也就是必須先針對佈局找到一定程度的描述子，例如 Egenhofer 利用空間中任意兩 個物體的空間結合拓樸學上的應用對其空間關係進行編碼[44]，其關係圖如圖 6-1(左)，
Egenhofer 定義出 8 種基本的拓譜關係包含不相交、包含、在裡面、相交、相等、覆蓋、
被覆蓋、重疊;此外在空間佈局很重要的一個要點為方向，所以 Frank 亦利用垂直線、水 平線將空間分成四個方向(東、南、西、北)或更進一步的衍生成八個方向(東、東北、東 南、北、南、西、西北、西南)等方向，如圖 6-1(右)。
圖 6-1(左) Egenhofer 定義的八種空間相對關係，(右) Frank 定義的八個相對方向關係
參考上述的相關研究，在佈局特徵子編碼上可以考慮的有方向、空間關係等兩個 要點，所以本研究在佈局特徵子的設計上利用人類視覺感受中對於元件的位置大致會以 重心的位置做為其標準，結合利用商標中任意兩個元件的重心相對位置關係找出佈局特 徵子，由於元件的大小於人類視覺中會產生刺激的不同，也就是會先注意到較大的元件，
所以在佈局特徵子除了考慮元件相對位置的差異外，會額外考慮元件大小的比重。
‧
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
55
𝐻𝑖 = ∑ ∑ 𝐴𝑗 , 𝑖𝑓 𝑃𝑗 ≈ 𝑃𝑘
15−𝑘
𝑗=𝑖 𝑛
𝑘=0
其中𝑗 = 0,9 , 𝑃𝑘表示𝐶𝑜𝑛𝑡𝑜𝑢𝑟 𝐾的重心
藉由輪廓的基本關係，包含上、下、左、右、右上、右下、左上、左下以及相等 9 種關係以及其中一輪廓完全包含另外一輪廓同樣存在的 9 種關係，所以本研究利用的佈 局特徵描述子為一具有 18 維度的直方圖，如圖 6-3
圖 6-3 三個不同商標其輪廓以及佈局特徵直方圖，由直方圖可以大致看出上、中兩個 商標相較於下方的商標在有較相近的佈局
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
56
在取得商標各自的佈局特徵子之後，可藉由計算該商標與資料庫中其餘商標的佈 局特徵直方圖相似度求得商標獨特度，此處的相似度計算上由於佈局特徵直方圖上相鄰 的 bin 可能不具有相關性，所以不適合利用在商標重複度中使用的 EMD 做為其相似度，
此處以通用的 Chi-square Distance 做為計算相似度的方法，在取得每張商標的平均相似 度之後，在將相似度經過正規化到 0～1 的值之後當成其獨特度，1 表示該商標的佈局在 商標資料庫中是較獨特的，而 0 表示其佈局與資料庫中許多商標類似。其分析結果可參 考圖 6-4，其中約有 10%的商標其獨特度較高，而大部分的商標其獨特度也是較低的約 落在 0～0.2 之間。
圖 6-4 利用佈局特徵直方圖相似度求出的商標獨特度，x 軸表示商標獨特程度，1 表最 獨特 y 軸為該獨特度佔商標資料庫的百分比