一种基于复杂网络的灰度图像识别方法.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CN106203441A(43)申请公布日2016.12.07(21)申请号201610485823.7(22)申请日2016.06.29(71)申请人合肥民众亿兴软件开发有限公司地址230000安徽省合肥市肥西县上派镇包公路聚缘山庄2幢405(72)发明人董雄飞(51)Int.Cl.G06K9/46(2006.01)G06K9/62(2006.01)权利要求书2页说明书3页(54)发明名称一种基于复杂网络的灰度图像识别方法(57)摘要本发明公开了一种基于复杂网络的灰度图像识别方法，在识别过程中增加提取轮廓的流程，降低灰度图像的处理难度，降低复杂网络建模规模，减少程序所占用的存储空间，通过对同一幅灰度图像提取一个形状轮廓及一组灰度轮廓，全面获取灰度图像的形状和色彩信息，创新识别方式，提升准确率，增加复杂网络识别参数，提供更多的识别细节，提升识别准确率。CN106203441ACN106203441A权利要求书1/2页1.一种基于复杂网络的灰度图像识别方法，其特征在于，包括如下步骤：（1）形状轮廓提取采用Canny算法最优化数值方法，获取最佳边缘检测模板，用于轮廓提取；（2）灰度轮廓提取采取二值化处理方法，通过对同一幅图像进行处理，生成一系列灰度轮廓，间接保存灰度图像的颜色信息；（3）灰度图像复杂网络建模对于二值化处理后的形状轮廓图和灰度轮廓图，利用复杂网络对形状轮廓和灰度轮廓图进行建模，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；（4）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；（5）规则网络转化为复杂网络引入距离阈值和灰度颜色阈值，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；（6）网络建模对特定的形状轮廓i和灰度轮廓图j，抽象化为对应的图Gi和Gj，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；（7）识别参数提取根据Canny算法生成形状轮廊，根据灰度阈值生成灰度轮廓集合后，通过不同的距离阈值，将所有轮廓转化为一系列复杂网络模型，并对每一个模型提取识别参数；（8）灰度识别根据上述步骤得到每一个识别参数后，进行识别。2.按照权利要求1所述的一种基于复杂网络的灰度图像识别方法，其特征在于：所述步骤（2）中灰度轮廓提取的具体步骤为，①图像表示为集合：将灰度图像的点集记为V0，任意像素点V0∈V0；②二值化处理：对图像点集合V0进行简单二值化处理，给定灰度阈值t，其取值范围限定，为0≤t≤max（W0），对集合中的任意点V0∈V0，对W0进行变换，记为W；③灰度轮廓提取：通过变换规则对W进行变换。3.按照权利要求2所述的一种基于复杂网络的灰度图像识别方法，其特征在于：所述变换规则为W=｛255，ifthevalueofthepixelequalsto255orhevalueofthefouradjacentpixelsallequalto0｝。4.按照权利要求1所述的一种基于复杂网络的灰度图像识别方法，其特征在于：所述步骤（7）中提取识别参数的具体步骤为：①计算单个网络模型的单个网络参数；②汇集网络参数，形成特征参数。5.按照权利要求4所述的一种基于复杂网络的灰度图像识别方法，其特征在于：所述汇集网络参数为最大度、最小度、平均度、度的方差。6.按照权利要求1所述的一种基于复杂网络的灰度图像识别方法，其特征在于：所述步2CN106203441A权利要求书2/2页骤（8）中灰度识别的具体步骤为：①建立识别分组：收集已划分类别的灰度图像，建立灰度图像的样本组，将待分类的灰度图像归入测试组，并对两个分组中的图像分别建立复杂网络模型；②计算识别结果：与形状轮廓图像识别方法相似，计算识别对象与灰度图像样本组对象之间的识别参数二阶范数值；③划分轮廊分组：二阶范数取得最小值时，该样本灰度图像所处的分组就是该测试灰度图像的分组。3CN106203441A说明书1/3页一种基于复杂网络的灰度图像识别方法技术领域[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复杂网络的灰度图像识别方法。背景技术[0002]大多数图像目标识别应用中，识别的对象都不是简单的形状轮廓，而是一幅态图像或一组动态图像序列。在图像识别中，可以将图像看作现实事物在平面图的一个映射。但是，彩色图像存储信息量大，相应处理更加复杂，在一般的简单图像识别应用中，大量的信息被作为无效信息舍弃。因此，图像处理中，许多处理方法都需要事先把彩色图像转换成灰度图像，才能进行相关的后续计算