基于復(fù)雜網(wǎng)絡(luò)理論的圖像描述與識別方法研究.pdf

1、計算機(jī)和信息技術(shù)的快速發(fā)展，使得圖像識別技術(shù)的應(yīng)用也愈來愈普遍。而圖像表示作為圖像處理的基礎(chǔ)，在計算機(jī)視覺和圖像識別中發(fā)揮著越來越重要的作用。近年來，復(fù)雜網(wǎng)絡(luò)理論引起了眾多研究者們的興趣。圖像的復(fù)雜網(wǎng)絡(luò)特征大都是統(tǒng)計特征，而這種特征不僅具有很好的穩(wěn)定性，而且具備較強(qiáng)的抗噪聲能力。鑒于這一點，本文提出一種新的基于復(fù)雜網(wǎng)絡(luò)模型的圖像描述與識別方法，主要包括以下幾方面的內(nèi)容:基于復(fù)雜網(wǎng)絡(luò)模型的圖像表示，基于最小生成樹分解和K近鄰的兩種不同演化

2、方式，以及在動態(tài)演化下的圖像特征提取;將傳統(tǒng)的灰度直方圖和復(fù)雜網(wǎng)絡(luò)統(tǒng)計特征相融合，也即節(jié)點加權(quán)復(fù)雜網(wǎng)絡(luò)模型的方法，實現(xiàn)了一種新的圖像統(tǒng)計特征提取與識別方法。
　　本文的主要工作和創(chuàng)新點如下:
　　(1)針對傳統(tǒng)圖像的結(jié)構(gòu)圖特征穩(wěn)定性較差的問題，提出一種基于復(fù)雜網(wǎng)絡(luò)模型的圖像描述與識別方法。定義網(wǎng)絡(luò)的節(jié)點為圖像的關(guān)鍵點，以此構(gòu)造初始的復(fù)雜網(wǎng)絡(luò)。在初始復(fù)雜網(wǎng)絡(luò)模型上進(jìn)行基于最小生成樹分解的動態(tài)演化，生成一系列子網(wǎng)絡(luò)。提取各個演化

3、時刻下的子網(wǎng)絡(luò)特征，完成對圖像結(jié)構(gòu)特征的提取。相關(guān)實驗結(jié)果顯示，相比于基于邊權(quán)閾值的演化方法，本文方法可以更精確地刻畫圖像的結(jié)構(gòu)特性。
　　(2)為了更準(zhǔn)確地描述圖像結(jié)構(gòu)，本文在無向圖的基礎(chǔ)上添加了方向信息。因此，提出一種有向復(fù)雜網(wǎng)絡(luò)表示模型。首先提取圖像的關(guān)鍵點作為網(wǎng)絡(luò)的節(jié)點，構(gòu)造初始的復(fù)雜網(wǎng)絡(luò);然后在初始網(wǎng)絡(luò)模型的基礎(chǔ)上進(jìn)行基于K近鄰的動態(tài)演化，生成一系列有向子網(wǎng)絡(luò);最后通過提取各個演化時刻下有向子網(wǎng)絡(luò)的特征，實現(xiàn)對圖像的特征

4、提取和識別。相關(guān)實驗結(jié)果顯示，有向復(fù)雜網(wǎng)絡(luò)模型方法下的圖像識別效果更好。
　　(3)傳統(tǒng)的直方圖方法喪失了像素點的空間位置分布信息。因此，本文提出一種基于復(fù)雜網(wǎng)絡(luò)節(jié)點屬性值（像素值）的演化方法，本文稱之為節(jié)點加權(quán)復(fù)雜網(wǎng)絡(luò)模型的圖像結(jié)構(gòu)特征提取方法，它將圖像的內(nèi)容特征與結(jié)構(gòu)特征有機(jī)結(jié)合在一起，使得傳統(tǒng)的直方圖特征變成本文特征向量中的一維。首先，以圖像的像素點作為網(wǎng)絡(luò)的節(jié)點，構(gòu)造初始的復(fù)雜網(wǎng)絡(luò)模型，利用節(jié)點的屬性值進(jìn)行動態(tài)演化，生成一