| 改进复杂网络模型的形状特征提取 |
| |
| 引用本文： | 阮瑞,江波,汤进,罗斌.改进复杂网络模型的形状特征提取[J].中国图象图形学报,2014,19(9):1332-1337. |
| |
| 作者姓名： | 阮瑞 江波 汤进 罗斌 |
| |
| 作者单位： | 安徽大学计算机科学与技术学院, 合肥 230601;安徽大学计算机科学与技术学院, 合肥 230601;安徽大学计算机科学与技术学院, 合肥 230601;安徽省工业图像处理与分析重点实验室, 合肥 230039;安徽大学计算机科学与技术学院, 合肥 230601;安徽省工业图像处理与分析重点实验室, 合肥 230039 |
| |
| 基金项目： | 国家自然科学基金项目(61202228，61272152)；安徽省自然科学基金项目(1308085MF97，1408085QF120) |
| |
| 摘 要： | 目的 传统的基于欧氏距离的复杂网络表示方法容易受形状的非刚性变形影响。鉴于此，提出一种基于复杂网络模型与相对一致性距离相结合的形状特征提取方法。方法 首先，提取形状的边界轮廓点作为网络的节点，利用节点间的相对一致性距离作为边的权值构建初始的复杂网络模型；然后，利用阈值演化方法对初始网络模型进行动态演化，得到一系列子网络；最后，提取不同演化阶段下子网络的拓扑特征，实现对形状特征的提取。结果 分类和检索实验结果表明，相比于传统的复杂网络描述方法，本文方法对形状图像具有更强的描述和识别能力。结论 相比于传统的距离度量，相对一致性距离对形状的非刚性变形具有更强的稳定性。
|
| 关 键 词： | 复杂网络 相对一致性距离 内部距离 动态演化 |
| 收稿时间： | 2014/3/12 0:00:00 |
| 修稿时间： | 2014/5/25 0:00:00 |
Improved shape feature extraction using complex network model |
| |
| Ruan Rui,Jiang Bo,Tang Bin and Luo Bin.Improved shape feature extraction using complex network model[J].Journal of Image and Graphics,2014,19(9):1332-1337. |
| |
| Authors: | Ruan Rui Jiang Bo Tang Bin and Luo Bin |
| |
| Affiliation: | School of Computer Science and Technology, Anhui University, Hefei 230601, China;School of Computer Science and Technology, Anhui University, Hefei 230601, China;School of Computer Science and Technology, Anhui University, Hefei 230601, China;Key Laboratory of Industrial Image Processing & Analysis of Anhui Province, Hefei 230039, China;School of Computer Science and Technology, Anhui University, Hefei 230601, China;Key Laboratory of Industrial Image Processing & Analysis of Anhui Province, Hefei 230039, China |
| |
| Abstract: | |
| |
| Keywords: | complex network relative coherent distance inner distance dynamic evolution |
|
| 点击此处可从《中国图象图形学报》浏览原始摘要信息 |
|
点击此处可从《中国图象图形学报》下载免费的PDF全文 |
|
