基于复杂网络的图像建模与特征提取方法

合集下载

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

结果表明，与传统基于边权值阈值的演化方法相比，该方法能更准确地描述图像的结构。
关健诃：图像识别；最小生成树；动态演化；特征提取；小世界网络；复杂网络
ＩｍａｇｅＭｏｄｅｌｉｎｇａｎｄＦｅａｔｕｒｅＥｘｔｒａｃｔｉｏｎＭｅｔｈｏｄＢａｓｅｄ０ｎＣｏｍｐｌｅｘＮｅｔｗｏｒｋ
ｎｏｖｅｌｉｍａｇｅｒｅｐｒｅｓｅｎｔａｔｉｏｎａｎｄｒｅｃｏｇｎｉｔｉｏｎｍｅｔｈｏｄｂａｓｅｄｏｎｃｏｍｐｌｅｘｎｅｔｗｏｒｋｉｓｐｒｏｐｏｓｅｄｉｎｔｈｉｓｐａｐｅｒ．Ｋｅｙｐｏｉｎｔｓａｒｅｅｘｔｒａｃｔｅｄｆｏｒａｎｉｍａｇｅａｎｄａｎｉｎｉｔｉａｌｃｏｍｐｌｅｘｎｅｔｗｏｒｋｉｓｃｏｎｓｔｕｃｒｔｅｄｉｎｗｈｉｃｈｎｏｄｅｓｃｏｒｒｅｓｐｏｎｄｔｏｔｈｅｋｅｙｐｏｉｎｔｓ．Ａｎｏｖｅｌｄｙｎａｍｉｃｅｖｏｌｕｔｉｏｎｐｒｏｃｅｓｓｉｓｄｅｖｉｓｅｄｆｏｒｔｈｅｉｎｉｔｉａｌｃｏｍｐｌｅｘｎｅｔｗｏｒｋｕｓｉｎｇｔｈｅｍｉｎｉｍｕｍｓｐａｎｎｉｎｇｒｔｅｅｄｅｃｏｍｐｏｓｉｔｉｏｎ．Ｔｈｅｆｅａｔｕｒｅｓｏｆｔｈｅｎｅｔｗｏｒｋｓｉｎｄｉｆｆｅｒｅｎｔｅｖｏｌｕｔｉｏｎｓｔａｇｅｓａｒｅｅｘｔｒａｃｔｅｄｔｏｉｆｎａｌｌｙａｃｈｉｅｖｅｉｍａｇｅｓｔｕｃｒｔｕｒａｌｉｎｆｏｒｍａｔｉｏｎｅｘｒｔａｃｔｉｏｎ．Ｔｈｉｓｍｅｔｈｏｄｃａｎｓｉｍｐｌｙｄｅｓｃｒｉｂｅａｎｉｍａｇｅｂｙｕｓｉｎｇｇｅｏｍｅｔｒｉｃａｌｆｅａｔｕｒｅｏｆｔｈｅｉｍａｇｅｋｅｙｐｏｉｎｔｓ．Ｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｏｎｂｏｔｈｃｌａｓｓｉｉｃｆａｔｉｏｎａｎｄｃｌｕｓｔｅｒｉｎｇｄｅｍｏｎｓｔｒａｔｅｔｈａｔｔｈｅｐｒｏｐｏｓｅｄｍｅｔｈｏｄｏｕｔｐｅｒｆｏｍｓｒｔｈｅｔｒａｄｉｔｉｏｎａｌｅｄｇｅｗｅｉｇｈｔｔｈｒｅｓｈｏｌｄｅｖｏｌｕｔｉｏｎｍｅｔｈｏｄａｎｄｉｔｃａｎｄｅｓｃｒｉｂｅｔｈｅ
［Ａｂｓｔｒａｃｔ］Ｆｏｒｔｈｅｓｔｒｕｃｔｕｒｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓｕｓｕａｌｌｙｂｅｃｏｍｅｉｎｓｔａｂｌｅｉｎｔｒａｄｉｔｉｏｎａｌｇｒａｐｈｂａｓｅｄｉｍａｇｅｒｅｐｒｅｓｅｎｔａｔｉｏｎｍｅｔｈｏｄｓ，ａ
Hale Waihona Puke Baidu
文献标识码：Ａ
中圈分类号ｔＴＮ９１１．７３
基于复杂网络的图像建模与特征提取方法
汤进Ｌ，陈影，江波，罗斌
（１．安徽省工业图像处理与分析重点实验室，合肥２３００３９；
２．安徽大学计算机科学与技术学院，合肥２３０６０１）
ＴＡＮＧＪｉｎ，ＣＨＥＮＹｉｎｇ，ＪＩＡＮＧＢｏ，ＬＵＯＢｉｎ，
ｆ１．ＫｅｙＬａｂｏｆＩｎｄｕｓｔｒｉａｌＩｍａｇｅＰｒｏｃｅｓｓｉｎｇ＆ＡｎａｌｙｓｉｓｏｆＡｎｈｕｉＰｒｏｖｉｎｃｅ，Ｈｅｆｅｉ２３００３９，Ｃｈｉｎａ；
第３９卷第５期
Ｖ＿０ｌ＿３９
・
计
算
机
工
程
２０１３年５月
Ｍａｙ２０１３
Ｎｏ．５
ＣｏｍｐｕｔｅｒＥｎｇｉｎｅｅｒｉｎｇ
图形图像处理・
文章编号：１０ｏｏ —３４２８（２ｏ１３）０５ — ０２４３ — ０５
摘
要：针对传统图像结构图表示特征不稳定的问题，提出一种基于复杂网络模型的图像表示与识别方法。以图像的关键
点作为网络节点，构建复杂网络初始模型。利用最小生成树分解方法对初始网络模型进行动态演化，提取不同演化阶段下的网络特征，实现对图像结构特征的描述。该方法直接利用图像关键点之间的空间分布信息，结构简单。分类与聚类实验
２．ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，ＡｎｈｕｉＵｎｉｖｅｒｓｉｔｙ，Ｈｅｆｅｉ２３０６０１，Ｃｈｉｎａ）