基 于 复 杂 网 络 的 图 像 建 模 与 特 征 提 取 方 法 研 究-计算机技术专业论文.docxVIP

上海师范大 上海师范大学硕士毕业论文 摘要 万方数据 万方数据 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。 关键词：复杂网络；图像轮廓；数学建模；KNN 特征提取 I Abs Abstract Shanghai Normal University Master of Philosophy Image Modeling and Feature Extraction Method Based on Complex Netword Abstract The rapid development of computer and information technology makes theimage recognition technologies have been applied more and more widely. As the basis of the image processing, the image representation has been playing an increasingly vital role in computer vision and image recognition. In recent years, complex network theory isbecoming attractive for many scholars. This paper has focused on Image Modeling and Feature Extraction Method Based on Complex Netword and it makes some improvement. The main focus in this paper can be summarized two aspects as follows: 1.Combining the Complex Network theory and Contour Recognition method together. This work extracts the target identification parameters by the topology information of the contour with Complex Network theory. In this way, the method has the advantages of the Complex Network theory and the Contour Recognition method. In order to describe the image structure more accurately, the direction information is considered in the undirected graph. Therefore, a directed complex network representation model is proposed in this paper. Firs