圖像識別是實(shí)現(xiàn)智能技術(shù)的重要手段之一,廣泛應(yīng)用于金融、交通以及人工智能等領(lǐng)域。圖像特征提取對識別效果有至關(guān)重要的作用,國內(nèi)外學(xué)者都對特征提取提出了許多方法,主要有基于幾何特征的圖像識別方法、基于全局特征的圖像識別方法、基于人工設(shè)計(jì)特征的圖像識別方法、基于卷積神經(jīng)網(wǎng)絡(luò)的圖像識別方法等。這些方法在圖像發(fā)生旋轉(zhuǎn)、平移時(shí),識別的正確率都會受到不同程度的影響。因此,提出一種不依賴于像素點(diǎn)位置和順序的方法具有重要的工程實(shí)踐意義。在過去十幾年來,復(fù)雜網(wǎng)絡(luò)方法在圖像識別領(lǐng)域已經(jīng)取得許多研究成果。復(fù)雜網(wǎng)絡(luò)基于圖論構(gòu)造模型,將像素點(diǎn)抽象為網(wǎng)絡(luò)節(jié)點(diǎn),提取網(wǎng)絡(luò)的拓?fù)涠攘繀⒘孔鳛閳D像識別的特征�，F(xiàn)有的復(fù)雜網(wǎng)絡(luò)圖像識別方法表明,以像素點(diǎn)作為節(jié)點(diǎn),對灰度圖像建立復(fù)雜網(wǎng)絡(luò)模型,模型的拓?fù)鋮⒘坎灰蕾囉诠?jié)點(diǎn)的順序和位置。但是,復(fù)雜網(wǎng)絡(luò)圖像識別方法的缺點(diǎn)是網(wǎng)絡(luò)節(jié)點(diǎn)規(guī)模大、建模困難,網(wǎng)絡(luò)復(fù)雜度高,由此造成拓?fù)涮卣鲄⒘刻崛∵\(yùn)算時(shí)間長。因此,本文在現(xiàn)有的復(fù)雜網(wǎng)絡(luò)圖像識別方法的基礎(chǔ)上,提出基于結(jié)構(gòu)平衡的復(fù)雜網(wǎng)絡(luò)圖像識別方法。該方法以像素點(diǎn)作為節(jié)點(diǎn),先通過灰度乘積構(gòu)建節(jié)點(diǎn)間的連接關(guān)系生成初始網(wǎng)絡(luò),然后再通過Hadamard變換模板映... 

【文章來源】：廣東工業(yè)大學(xué)廣東省

【文章頁數(shù)】：67 頁

【學(xué)位級別】：碩士

【部分圖文】：

隨機(jī)圖網(wǎng)絡(luò)模型

廣東工業(yè)大學(xué)碩士學(xué)位論文8圖2-2隨機(jī)圖網(wǎng)絡(luò)模型Fig.2-2Randomnetworkmodel（3）小世界網(wǎng)絡(luò)Watts和Strogatz引入“小世界”網(wǎng)絡(luò)這一概念[44]，并提出一種規(guī)則網(wǎng)到隨機(jī)網(wǎng)絡(luò)的演化算法。首先，網(wǎng)絡(luò)的節(jié)點(diǎn)以環(huán)狀排列，將每個(gè)節(jié)點(diǎn)與它距離k/2的節(jié)點(diǎn)相連（k是已知的偶數(shù)）；繼而，將每條邊的其中一個(gè)節(jié)點(diǎn)以隨機(jī)概率p與其他節(jié)點(diǎn)連接；最后，通過調(diào)節(jié)節(jié)點(diǎn)間生連接邊的概率p可以實(shí)現(xiàn)從規(guī)則網(wǎng)絡(luò)到隨機(jī)網(wǎng)絡(luò)的演化。其中，節(jié)點(diǎn)間具有連接邊的概率為p0時(shí)，所生成的網(wǎng)絡(luò)是規(guī)則網(wǎng)絡(luò)；節(jié)點(diǎn)間具有連接邊的概率為p1.0時(shí)，所生成的網(wǎng)絡(luò)是隨機(jī)網(wǎng)絡(luò)；節(jié)點(diǎn)間具有連接邊的概率為0p1.0，所生成的網(wǎng)絡(luò)是小世界網(wǎng)絡(luò)。小世界網(wǎng)絡(luò)模型的平均路徑較短，有較高的聚類系數(shù)。規(guī)則網(wǎng)絡(luò)到隨機(jī)網(wǎng)絡(luò)演化過程如圖2-3所示。p0p1圖2-3小世界網(wǎng)絡(luò)模型Fig.2-3Smallworldnetworkmodel2.1.2加權(quán)網(wǎng)絡(luò)概述加權(quán)網(wǎng)絡(luò)是復(fù)雜網(wǎng)絡(luò)的主要研究對象之一[42]。相較于無權(quán)網(wǎng)絡(luò)只考慮節(jié)點(diǎn)間連與不連的拓?fù)潢P(guān)系，加權(quán)網(wǎng)絡(luò)利用連接邊的權(quán)值給出網(wǎng)絡(luò)中節(jié)點(diǎn)間的連接關(guān)系，節(jié)點(diǎn)的連接權(quán)值能很好地描述節(jié)點(diǎn)間的作用強(qiáng)度。加權(quán)網(wǎng)絡(luò)應(yīng)用于很多現(xiàn)實(shí)網(wǎng)絡(luò)中，如英特網(wǎng)中的連接邊的權(quán)值表示數(shù)據(jù)流量或者帶寬，食物網(wǎng)的捕食者與被捕食者的

制能量的流動(dòng)[45]，社交網(wǎng)絡(luò)用權(quán)值表示演員間的相互聯(lián)系的頻率，神經(jīng)網(wǎng)絡(luò)中不同神經(jīng)元間的連接表示傳送的電信號強(qiáng)弱。加權(quán)網(wǎng)絡(luò)的權(quán)值通常是非負(fù)數(shù)，當(dāng)連接權(quán)值為0時(shí)候，表示節(jié)點(diǎn)間沒有連接關(guān)系，當(dāng)連接權(quán)值為正數(shù)時(shí)，節(jié)點(diǎn)間具有正連接關(guān)系。但并沒有相應(yīng)的理論證明加權(quán)網(wǎng)絡(luò)的權(quán)值不能為負(fù)數(shù)。在社會網(wǎng)絡(luò)中，用正權(quán)值表示代表積極、友好的關(guān)系，用負(fù)號表示消極、敵對的關(guān)系。尤其是在結(jié)構(gòu)平衡網(wǎng)絡(luò)中，連接權(quán)值并不都是正數(shù)。在加權(quán)網(wǎng)絡(luò)中，一般用連接矩陣表示網(wǎng)絡(luò)的連接權(quán)值。具有三個(gè)節(jié)點(diǎn)的無向加權(quán)網(wǎng)絡(luò)，及其連接矩陣A，如圖2-4所示。連接矩陣A表示節(jié)點(diǎn)i和節(jié)點(diǎn)j的連接權(quán)值是2，節(jié)點(diǎn)i和節(jié)點(diǎn)k的連接權(quán)值是1，節(jié)點(diǎn)j和節(jié)點(diǎn)k的連接權(quán)值是0.5。圖2-4三個(gè)節(jié)點(diǎn)的加權(quán)網(wǎng)絡(luò)及其連接矩陣Fig.2-4weightednetworkofthreenodesanditsconnectionmatrix2.2結(jié)構(gòu)平衡網(wǎng)絡(luò)概述1946年美國社會心理學(xué)家FritzHeider基于單個(gè)個(gè)體之間的關(guān)聯(lián)提出結(jié)構(gòu)平衡三角形模型，引入符號網(wǎng)絡(luò)表示網(wǎng)路的結(jié)構(gòu)平衡狀態(tài)并提平衡理論[46]。1956年Harary和Carwrigt利用圖論的思想對群體進(jìn)行研究，將結(jié)構(gòu)平衡擴(kuò)展至一般符號網(wǎng)絡(luò)并建立相應(yīng)的結(jié)構(gòu)平衡網(wǎng)絡(luò)模型[47]，奠定了結(jié)構(gòu)平衡理論的研究基矗而后，許多學(xué)者開始了對結(jié)構(gòu)平衡理論的研究。2005年，Kulakowski又將Heider結(jié)構(gòu)平衡理論擴(kuò)展至實(shí)數(shù)加權(quán)網(wǎng)絡(luò)[48]。2018年，一位研究學(xué)者發(fā)現(xiàn)大型的復(fù)雜網(wǎng)絡(luò)系統(tǒng)中，節(jié)點(diǎn)和連接關(guān)系會隨時(shí)間通過耦合關(guān)系使得網(wǎng)絡(luò)結(jié)構(gòu)發(fā)生動(dòng)態(tài)演化，最終節(jié)點(diǎn)子系統(tǒng)和連接關(guān)系子系統(tǒng)趨于平衡狀態(tài)[49]。在結(jié)構(gòu)平衡網(wǎng)絡(luò)中，節(jié)點(diǎn)間的正號（+）連接關(guān)系表示節(jié)點(diǎn)間積極、友好的關(guān)系，負(fù)號（-）表示兩節(jié)點(diǎn)間消極、敵對的關(guān)系。網(wǎng)絡(luò)是否具有結(jié)構(gòu)平衡與節(jié)點(diǎn)間的連接關(guān)系密切相關(guān)。經(jīng)典的結(jié)構(gòu)平衡三角形如圖2-5所示。

【參考文獻(xiàn)】：
期刊論文
[1]基于cvtree方法和復(fù)雜網(wǎng)絡(luò)理論的癌癥進(jìn)化樹分析[J]. 沈路明,韋芳萍.  基因組學(xué)與應(yīng)用生物學(xué). 2014(02)
[2]開集人臉識別中的性能評估系統(tǒng)[J]. 梁亦聰,丁曉青,方馳.  模式識別與人工智能. 2014(04)
[3]加權(quán)網(wǎng)絡(luò)的常用統(tǒng)計(jì)量[J]. 姚尊強(qiáng),尚可可,許小可.  上海理工大學(xué)學(xué)報(bào). 2012(01)
[4]基于復(fù)雜網(wǎng)絡(luò)特性的帶鋼表面缺陷識別[J]. 任海鵬,馬展峰.  自動(dòng)化學(xué)報(bào). 2011(11)
[5]復(fù)雜網(wǎng)絡(luò)初探[J]. 吳今培.  五邑大學(xué)學(xué)報(bào)(自然科學(xué)版). 2010(02)
[6]一種改進(jìn)的Harris角點(diǎn)檢測算法[J]. 龔平,劉相濱,周鵬.  計(jì)算機(jī)工程與應(yīng)用. 2010(11)
[7]基于顏色-空間特征的圖像檢索[J]. 王濤,胡事民,孫家廣.  軟件學(xué)報(bào). 2002(10)

博士論文
[1]基于統(tǒng)計(jì)推理的復(fù)雜網(wǎng)絡(luò)社區(qū)結(jié)構(gòu)分析[D]. 陳毅.哈爾濱工業(yè)大學(xué) 2016
[2]基于復(fù)雜網(wǎng)絡(luò)的圖像目標(biāo)識別方法研究[D]. 湯曉.廣東工業(yè)大學(xué) 2013
[3]復(fù)雜網(wǎng)絡(luò)理論和細(xì)胞自動(dòng)機(jī)在生物信息學(xué)中的應(yīng)用研究[D]. 刁元波.四川大學(xué) 2007

碩士論文
[1]基于輪廓形狀和復(fù)雜網(wǎng)絡(luò)的圖像識別新方法[D]. 何蘇利.廣東工業(yè)大學(xué) 2016
[2]基于機(jī)器學(xué)習(xí)的社交網(wǎng)絡(luò)用戶特征分析[D]. 陳玉英.北京交通大學(xué) 2015
[3]分形理論在復(fù)雜網(wǎng)絡(luò)研究中的應(yīng)用[D]. 張明君.青島大學(xué) 2008



本文編號：3539101