基于轮廓形状和复杂网络的图像识别新方法

发布时间：2017-03-30 05:13

  本文关键词：基于轮廓形状和复杂网络的图像识别新方法，由笔耕文化传播整理发布。

【摘要】：目标图像识别是机器视觉技术的重要组成部分,精度与速度是衡量目标图像识别算法的两个重要的指标。目前图像识别方法有很多,其中应用最广且最有效的方法是基于图像形状轮廓的识别方法。与其他常用的方法相比,基于轮廓的识别方法不但能够简化识别过程,减少计算机处理过程中的存储空间,而且有较高的识别速度和准确率。但是,由于图像形状轮廓点具有顺序性,轮廓点的位置和排列顺序对轮廓识别有很大的影响,特别是当图像轮廓在平面上发生旋转、平移和缩放变化时,运动不变性成为图像形状轮廓识别方法分类功能的一个重要考量。因此,建立一种较少或不依赖关联性和顺序性的分析目标图像边界形状的定量化方法是非常必要的。复杂网络作为一个新兴的研究领域,其基本理论方法已经广泛应用在生命科学、工程科学以及社会科学等领域中。复杂网络是一种以图论方法描述复杂系统的网络模型,这种模型由众多节点以及节点间的连接关系构成,节点间的关联性与顺序性呈现拓扑特性而与欧氏度量无关。现有研究结果表明,利用复杂网络拓扑特性改进图像轮廓识别定量化方法,是解决图像边界形状识别不依赖关联性和顺序性的一条有效途径。值得注意的是,欧氏距离是现有的图像轮廓网络建模方法的基础,而欧氏距离在计算网络节点之间的距离时,有忽视横轴和纵轴坐标之间差异的缺点,容易产生冗余的节点连接边,增加了网络复杂度。有鉴于此,本文在已有研究的基础上,主要在“形状轮廓识别方法与复杂网络方法相结合”、“新的图像轮廓提取方法”以及“改进网络节点间的距离度量方法”等三个方面展开研究,提出了以球面距离作为度量基础进行网络建模的新方法,发现了基于欧氏距离的方法更适用于处理直线形图形,而基于球面距离的方法更适合于处理圆弧形图形,这在在一定程度上弥补了基于欧氏距离的网络模型不适应处理圆弧形图像的问题,进一步丰富了利用复杂网络模型拓扑参数揭示目标图像特征的理论方法。相比于传统的欧氏距离建模方法,本文的方法具有以下优点：(1)在相同阈值下,边缘网络节点数量少,计算机处理过程中所占的存储空间小,计算速度快；(2)球面距离方法所建立的网络模型的度分布更加符合幂律分布特性,所具有的复杂网络拓扑特征更加明显,能够有效适应图像边缘轮廓的改变,在提高识别率及识别速度上具有可行性。
【关键词】：轮廓形状 复杂网络 球面距离 图像形状识别
【学位授予单位】：广东工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 摘要4-6
• ABSTRACT6-14
• 第一章 绪论14-20
• 1.1 课题研究的背景与意义14-15
• 1.2 国内外研究现状及其发展趋势15-18
• 1.2.1 目标图像识别问题研究现状15-16
• 1.2.2 目标识别方法分类16-17
• 1.2.3 图像轮廓识别问题研究17-18
• 1.3 本文工作及章节安排18-20
• 第二章 预备知识20-28
• 2.1 复杂网络概述20-21
• 2.2 复杂网络基本模型21-22
• 2.3 网络图表示22-23
• 2.4 复杂网络的基本参数及建模主要概念23-25
• 2.4.1 复杂网络的度及度分布23-24
• 2.4.2 平均路径长度24-25
• 2.4.3 聚类系数25
• 2.5 节点间距离计算25-27
• 2.6 本章小结27-28
• 第三章 基于球面距离的复杂网络图像形状轮廓识别28-49
• 3.1 传统复杂网络图像识别方法28-30
• 3.2 目标图像形状轮廓提取方法30-33
• 3.2.1 Canny算子30-33
• 3.2.2 改进的Canny算子边缘检测算法33
• 3.3 基于球面距离的复杂网络图像形状轮廓识别方法33-48
• 3.3.1 基于球面距离的图像形状轮廓的复杂网络建模35-38
• 3.3.2 形状轮廓欧氏距离和球面距离建模比较实例38-44
• 3.3.3 网络拓扑特征提取44-47
• 3.3.4 划分形状轮廓分类47-48
• 3.4 本章小结48-49
• 第四章 复杂网络拓扑特性及识别方法有效性分析49-57
• 4.1 网络拓扑参量特性分析49-50
• 4.1.1 复杂网络的度分布49
• 4.1.2 复杂网络平均路径长度49-50
• 4.1.3 复杂网络聚类系数50
• 4.2 网络旋转不变性分析50-52
• 4.3 网络平移不变性分析52
• 4.4 网络的拓扑特性分析验证52-55
• 4.4.1 网络的度分布特性分析53-55
• 4.5 本章小结55-57
• 第五章 基于轮廓形状和复杂网络的灰度图像识别方法57-72
• 5.1 引言57-58
• 5.2 灰度图像轮廓提取方法概述58-59
• 5.3 基于球面距离的复杂网络的灰度图像识别方法59-64
• 5.3.1 灰度图像形状轮廓及颜色轮廓提取60-61
• 5.3.2 球面距离的灰度图像复杂网络建模61
• 5.3.3 灰度图像拓扑特征提取61-63
• 5.3.4 灰度图像识别分类63-64
• 5.4 球面距离建模识别方法验证及结果分析64-70
• 5.4.1 球面距离建模方法及步骤64-66
• 5.4.2 识别方法数据分析66-67
• 5.4.3 实验仿真及结果分析67-70
• 5.5 本章小结70-72
• 总结与展望72-74
• 参考文献74-77
• 攻读学位期间发表的论文77-79
• 致谢79

【相似文献】

中国期刊全文数据库 前10条

1 陈宁;;交通中的图像识别应用[J];软件工程师;2012年04期

2 殷晓磊;;海讯图像识别 连结“天”与“地”——专访上海亮风台(上海)信息科技有限公司联合创始人廖春元[J];上海信息化;2013年06期

3 高岩,蔡韩辉,丁智,郑根福,谢骏;图像识别中的小内孔问题[J];大连轻工业学院学报;2000年04期

4 丁国芳,谭兆信,汤庸,章云;图像识别的一个综合网络模型及其应用[J];贵州工业大学学报(自然科学版);2002年04期

5 张晓春,刘岩;基于计算机图像识别的表面裂纹检测方法[J];重型机械;2003年05期

6 张艳辉 ,孙以材;图像识别在四探针测试技术中的应用[J];电子产品世界;2004年03期

7 赵新子,吴巍,司秀丽,袁洪印;玉米种子活力图像识别与处理技术研究[J];吉林农业大学学报;2004年05期

8 司秀丽;吴巍;赵新子;彭占武;袁洪印;;玉米种子纯度的计算机图像识别[J];吉林农业大学学报;2005年06期

9 马仲智;;基于单片机的图像识别模组的研究[J];科技信息(科学教研);2007年18期

10 王方永;王克如;王崇桃;李少昆;朱玉;陈兵;明博;潘文超;;基于图像识别的棉花水分状况诊断研究[J];石河子大学学报(自然科学版);2007年04期

中国重要会议论文全文数据库 前10条

1 高晓丁;左贺;高鹏;;基于图像识别的多套色印花对花定位技术研究[A];佶龙杯第四届全国印花学术研讨会论文集[C];2009年

2 郭艳;王萍;朱国;;基于图像识别的射击自动报靶系统[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用（CACIS）学术会议论文集[C];2007年

3 姜洪臣;任晓磊;赵耀宏;徐波;;基于音频语谱图像识别的广告检索[A];第十一届全国人机语音通讯学术会议论文集（二）[C];2011年

4 姜洪臣;任晓磊;赵耀宏;徐波;;基于音频语谱图像识别的广告检索技术[A];第十一届全国人机语音通讯学术会议论文集（一）[C];2011年

5 刘翠响;孙以材;张艳;于明;;基于三控制要素的多项式模糊拟合在人脸图像识别中的应用[A];第25届中国控制会议论文集（下册）[C];2006年

6 林达宜;邱利松;张莎;;物联网发展与图像识别[A];2012全国无线及移动通信学术大会论文集（上）[C];2012年

7 王利强;张红梅;;储粮害虫图像识别知识库研究[A];计算机研究新进展（2010）——河南省计算机学会2010年学术年会论文集[C];2010年

8 俞建荣;卜凡亮;李文力;陆晓军;;流化床气泡运动的图像识别与分析[A];第三届全国信息获取与处理学术会议论文集[C];2005年

9 李灵;;情景智能图像识别和数字化处理技术在型式评价试验中的运用[A];2013年江苏省计量测试学会学术会议论文集[C];2013年

10 于丽颖;;图像识别方法技术分析与应用[A];第24届全国煤矿自动化与信息化学术会议暨第6届中国煤矿信息化与自动化高层论坛论文集[C];2014年

中国重要报纸全文数据库 前10条

1 记者 郑晓春;以开发出计算机图像识别新技术[N];科技日报;2007年

2 沈晓光邋编译;半导体技术向低耗能发展[N];中国电子报;2008年

3 记者 李红;法研究出图像识别软件[N];科技日报;2000年

4 海言;慧视：让电脑“识文断字”[N];科技日报;2007年

5 田梦;PDF图像识别助推电子政务[N];计算机世界;2007年

6 比尔·盖茨;软件边界不断改变令人兴奋[N];中国电子报;2008年

7 宋辉;摆脱束缚慧视展现新的生活体验[N];中国企业报;2004年

8 本报记者 汤铭;认知计算，未来计算[N];计算机世界;2013年

9 冯逊;埃及金字塔人类史上最大的谜[N];大众科技报;2010年

10 本报记者 杨学聪 闫静;触碰“最未来”的生活[N];经济日报;2014年

中国博士学位论文全文数据库 前10条

1 刘军;人脸图像识别关键技术的研究[D];北京邮电大学;2015年

2 柳杨;面向图像识别的稀疏模型研究[D];北京邮电大学;2015年

3 王宇新;基于特征分布的图像识别方法研究与应用[D];大连理工大学;2012年

4 陈健美;基于密度聚类和多特征融合的医学图像识别研究[D];江苏大学;2008年

5 冉瑞生;一些矩阵计算问题及其在图像识别中的应用研究[D];电子科技大学;2006年

6 李雅梅;南宋川南墓葬石刻艺术与计算机图像识别应用的研究[D];重庆大学;2008年

7 侯书东;基于相关投影分析的特征提取研究及在图像识别中的应用[D];南京理工大学;2012年

8 吴萌;多尺度表达和正则化方法在图像识别中的研究与应用[D];上海交通大学;2014年

9 谢铉洋;SARS医学图像识别与辅助诊断研究[D];中国科学技术大学;2006年

10 孙权森;基于相关投影分析的特征抽取与图像识别研究[D];南京理工大学;2006年

中国硕士学位论文全文数据库 前10条

1 王明静;蚁群算法在图像识别中的应用研究[D];西安石油大学;2015年

2 刘宜阔;热光关联图像识别的研究[D];河北大学;2015年

3 田湘源;基于图像识别的中国画真伪鉴别方法研究[D];西安建筑科技大学;2015年

4 任皓;基于图像识别的PCB焊接质量检测技术的研究[D];天津理工大学;2015年

5 王倩;基于图像识别的油画真伪鉴别方法研究[D];西安建筑科技大学;2015年

6 余征;基于Hadoop的人脸图像识别并行处理方法研究与实现[D];西南交通大学;2015年

7 马爽;基于图像识别的教室照明节能系统的技术研究[D];沈阳理工大学;2015年

8 李义;基于相关学习神经网络的图像识别方法研究[D];哈尔滨工业大学;2015年

9 李东;基于群智能算法优化的超声乳腺肿瘤图像识别[D];第四军医大学;2015年

10 林开彬;基于图像识别的无纸化阅卷空白题识别技术研究[D];贵州师范大学;2015年

  本文关键词：基于轮廓形状和复杂网络的图像识别新方法，，由笔耕文化传播整理发布。

本文编号：276306