一种基于网络的图像形状轮廓识别方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN106203443A(43)申请公布日2016.12.07(21)申请号201610499547.X(22)申请日2016.06.28(71)申请人合肥酷睿网络科技有限公司地址230000安徽省合肥市经开区桃花工业园翡翠大道学林雅苑A1幢1501室(72)发明人董雄飞(51)Int.Cl.G06K9/46(2006.01)权利要求书2页说明书4页(54)发明名称一种基于网络的图像形状轮廓识别方法(57)摘要本发明公开了一种基于网络的图像形状轮廓识别方法，将复杂网络方法应用于图像目标识别领域，针对形状轮廓识别和灰度图像识别等应用环境，提出一类基于复杂网络的图像目标识别方法。通过将基于轮廓的图像识别方法与复杂网络方法优点相融合，该方法既保留基于轮廓的识别方法所具有的过程简单、识别效率高等特点，又充分发挥复杂网络方法仅考虑网络拓扑结构，与节点位置、顺序无关等特点，克服了图像轮廓轻微变化、光照强度小幅度变化以及局部遮挡等因素对识别方法的影响，使得识别方法具有平面旋转不变性、平移不变性、缩放不变性以及一定程度的容噪性。CN106203443ACN106203443A权利要求书1/2页1.一种基于网络的图像形状轮廓识别方法，其特征在于，包括如下步骤：(1)像素点转化为轮廓点对于二值化处理后的形状轮廓图，每一个像素点被赋值0和1分别表示黑色点和白色点，其中，黑色点为轮廓点，白色点则为非轮廓点，利用复杂网络对形状轮廓进行建模，首先要对轮廓中的像素点进行重新表示，使其符合下一步建模的要求；(2)轮廓点集转化为规则网络接着对轮廓点集进行网络建模，将集合P以图G＝(V,E)的形式表现，在轮廓点映射为顶点的基础上，对图中每一对顶点之间添加一条连接边，得到全耦合网络；(3)规则网络转化为复杂网络引入一个距离阈值，在阈值范围内产生一组新的连接边集合，忽略间隔距离较大的节点间连接关系，将规则网络转化为复杂网络；(4)网络建模对特定的形状轮廓i，抽象化为对应的图Gi，选定距离阈值集合R中的所有值rj，顺序作用在节点集合中，分别建立相应的网络模型；(5)单组参数提取针对每一个生成的网络模型，分别计算每一个节点的度，对应得到该络的最大度Kk(rj)和Ku(rj)；(6)汇集识别参数将针对Gi产生的所有网络模型计算所得的参数合并成一个一维数组，就得到最终的识别参数θ；(7)形状识别根据上述步骤得到每一个形状轮廓的识别参数后，可以对不同形状轮廓进行分类识别。2.按照权利要求1所述的一种基于网络的图像形状轮廓识别方法，其特征在于：所述步骤(1)中像素点转化为轮廓点的具体算法为①在图像所处平面中选取一个坐标原点，并在此基础上建立平面直角坐标系，将图像上的形状轮廓点表示为该点在坐标系中的坐标值,图像中的所有像素点都被映射到一个点集合V0；11111②对于V0中的任意点V0，其表示形式为V0＝(P0,W0)，其中，1是该点的序号，P0代表该111点在所建立平面坐标系中的坐标值，记为P0＝(x0,y0)∈P0，P0是所有像素点的坐标值集11合，W0∈W0，W0是所有像素点的颜色值集合，在灰度图像中，W0代表该点的灰度值，对二值化1的形状轮廓图建模时，W0取值为0或1，分别对应轮廓点和非轮廓点；③通过对P0中的点进行筛选，排除非轮廓点，得到P0的一个子集合P，P中的元素是用于复杂网络建模的轮廊点集合。3.按照权利要求1所述的一种基于网络的图像形状轮廓识别方法，其特征在于：所述步骤(3)规则网络转化为复杂网络的具体做法为给定距离阈值r，如果两顶点间的欧氏距离大于等于r，则去除顶点间的连接边，否则保留顶点间的连接边。4.按照权利要求3所述的一种基于网络的图像形状轮廓识别方法，其特征在于：所述欧氏距离的计算公式为2CN106203443A权利要求书2/2页5.按照权利要求1所述的一种基于网络的图像形状轮廓识别方法，其特征在于：所述步骤(6)中识别参数θ的定义形式为θ(Gi)＝[Kκ(r0)，Kμ(r0)，Kκ(r1)，Kμ(r1)，...，Kκ(rm)，Kμ(rm)]。6.按照权利要求1所述的一种基于网络的图像形状轮廓识别方法，其特征在于：所述步骤(7)中形状识别的具体步骤为：①建立识别分组，分别建立形状轮廓的样本组和测试组；②计算识别结果，形状轮廓的样本组和测试组对应记为Gs和G1。对于Gt中的每一个轮廓，计算其识别参数θ(Gt)与Gs中每一个轮廓识别参数θ(Gs)之间的二阶范数；③划分轮廓分组，根据计算结果，将测试分组的轮廓划分入已知分组中。3CN106203443A说明书1/4页一种基于网络的图像形状轮廓识别方法技术领域[0001]本发明属于网络方法领域，更具体地说，本发明涉及一种基于网络的图像形状轮