基于复杂网络的图像建模与特征提取方法研究
作者单位:上海师范大学
学位级别:硕士
导师姓名:马燕;肖菁
授予年度:2016年
学科分类:07[理学] 08[工学] 080203[工学-机械设计及理论] 070104[理学-应用数学] 0802[工学-机械工程] 0701[理学-数学]
摘 要:计算机和信息技术的快速发展,使得图像识别技术的应用也愈来愈普遍。而图像表示作为图像处理的基础,在计算机视觉和图像识别中发挥着越来越重要的作用。近年来,复杂网络理论引起了众多研究者们的兴趣,相关的概念和方法都是当前的研究热点。论文主要研究复杂网络下的图像建模与特征提取方法,针对其中存在的问题提出了相应的改进。论文研究的主要问题概括为以下三个方面:1.融合复杂网络与轮廓识别方法。利用复杂网络方法抽取目标的轮廓拓扑信息,形成识别参数,将复杂网络方法的优点融入到基于轮廓的目标识别方法中,简化目标网络模型的复杂程度,增强识别方法的容噪性,形成一种有效的目标识别方法。将现实中的各种轮廓以图的形式表示,利用复杂网络理论建立相应的网络模型,并计算与复杂网络相关的参数,最后通过对所有网络模型提取特征参数,汇集形成识别参数,产生图像目标识别算法用于对象目标的识别和分类。2.基于复杂网络图像建模下所提取的特征参数大都是统计特征,而这种特征不仅具有很好的稳定性,而且具备较强的抗噪声能力。鉴于这一点,本章提出一种有向复杂网络表示模型,利用K近邻(K-Nearest Neighbor,KNN)方法给出了一种有向复杂网络的演化方式,最终通过提取不同演化时刻下的有向复杂网络特征完成对图像的特征描述,实现图像的识别。3.全局直方图失去了特征的空间分布信息,鉴于这一点,本文将直方图信息与传统的图结构信息加以融合,这里提出一种基于节点属性(节点灰度值)的演化方式,生成一系列子网络,称这些子网络为节点加权属性网络,对这些子网络进行特征描述以实现图像的识别。