本發(fā)明屬于網(wǎng)絡(luò)方法領(lǐng)域，更具體地說，本發(fā)明涉及一種基于網(wǎng)絡(luò)的圖像形狀輪廓識(shí)別方法。

背景技術(shù)：

人類主要通過視覺、聽覺、觸覺、噴覺等系統(tǒng)感知周邊環(huán)境，獲取各類信息。其中，結(jié)構(gòu)最復(fù)雜的視覺系統(tǒng)，在人類與外部環(huán)境形成互動(dòng)過程中，發(fā)揮著重要作用。為了讓計(jì)算機(jī)更好地替代人類從事各項(xiàng)活動(dòng)，越來(lái)越多的研究人員致力于對(duì)人類視覺感知高效性的研究’通過用計(jì)算機(jī)模擬生理視覺系統(tǒng)的視覺功能，開展視覺分析的研究，探索賦予計(jì)算機(jī)感知周邊視覺環(huán)境，認(rèn)知空間結(jié)構(gòu)，識(shí)別圖像中物體，解析變化規(guī)律能力的方法，幫助計(jì)算機(jī)主動(dòng)地理解靜態(tài)圖片以及動(dòng)態(tài)視頻中包含的海量信息。對(duì)特定環(huán)境和特定對(duì)象，提出了許多基于目標(biāo)特征的方法，取得了許多研究成果，但是該類方法沒有充分考慮檢測(cè)目標(biāo)的幾何特征，在特定環(huán)境下存在計(jì)算量大、采樣粒子多樣性喪失等問題。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明所要解決的問題是提供一種基于網(wǎng)絡(luò)的圖像形狀輪廓識(shí)別方法。

為了實(shí)現(xiàn)上述目的，本發(fā)明采取的技術(shù)方案為：

一種基于網(wǎng)絡(luò)的圖像形狀輪廓識(shí)別方法，包括如下步驟：

(1)像素點(diǎn)轉(zhuǎn)化為輪廓點(diǎn)

對(duì)于二值化處理后的形狀輪廓圖，每一個(gè)像素點(diǎn)被賦值0和1分別表示黑色點(diǎn)和白色點(diǎn)，其中，黑色點(diǎn)為輪廓點(diǎn)，白色點(diǎn)則為非輪廓點(diǎn)，利用復(fù)雜網(wǎng)絡(luò)對(duì)形狀輪廓進(jìn)行建模，首先要對(duì)輪廓中的像素點(diǎn)進(jìn)行重新表示，使其符合下一步建模的要求；

(2)輪廓點(diǎn)集轉(zhuǎn)化為規(guī)則網(wǎng)絡(luò)

接著對(duì)輪廓點(diǎn)集進(jìn)行網(wǎng)絡(luò)建模，將集合P以圖G＝(V,E)的形式表現(xiàn)，在輪廓點(diǎn)映射為頂點(diǎn)的基礎(chǔ)上，對(duì)圖中每一對(duì)頂點(diǎn)之間添加一條連接邊，得到全耦合網(wǎng)絡(luò)；

(3)規(guī)則網(wǎng)絡(luò)轉(zhuǎn)化為復(fù)雜網(wǎng)絡(luò)

引入一個(gè)距離閾值，在閾值范圍內(nèi)產(chǎn)生一組新的連接邊集合，忽略間隔距離較大的節(jié)點(diǎn)間連接關(guān)系，將規(guī)則網(wǎng)絡(luò)轉(zhuǎn)化為復(fù)雜網(wǎng)絡(luò)；

(4)網(wǎng)絡(luò)建模

對(duì)特定的形狀輪廓i，抽象化為對(duì)應(yīng)的圖Gi，選定距離閾值集合R中的所有值r^j，順序作用在節(jié)點(diǎn)集合中，分別建立相應(yīng)的網(wǎng)絡(luò)模型；

(5)單組參數(shù)提取

針對(duì)每一個(gè)生成的網(wǎng)絡(luò)模型，分別計(jì)算每一個(gè)節(jié)點(diǎn)的度，對(duì)應(yīng)得到該絡(luò)的最大度Kk(r^j)和Ku(r^j)；

(6)匯集識(shí)別參數(shù)

將針對(duì)Gi產(chǎn)生的所有網(wǎng)絡(luò)模型計(jì)算所得的參數(shù)合并成一個(gè)一維數(shù)組，就得到最終的識(shí)別參數(shù)θ；

(7)形狀識(shí)別

根據(jù)上述步驟得到每一個(gè)形狀輪廓的識(shí)別參數(shù)后，可以對(duì)不同形狀輪廓進(jìn)行分類識(shí)別。

優(yōu)選的，所述步驟(1)中像素點(diǎn)轉(zhuǎn)化為輪廓點(diǎn)的具體算法為

①在圖像所處平面中選取一個(gè)坐標(biāo)原點(diǎn)，并在此基礎(chǔ)上建立平面直角坐標(biāo)系，將圖像上的形狀輪廓點(diǎn)表示為該點(diǎn)在坐標(biāo)系中的坐標(biāo)值,圖像中的所有像素點(diǎn)都被映射到一個(gè)點(diǎn)集合V₀；

②對(duì)于V₀中的任意點(diǎn)V₀¹，其表示形式為V₀¹＝(P₀¹,W₀¹)，其中，1是該點(diǎn)的序號(hào)，P₀¹代表該點(diǎn)在所建立平面坐標(biāo)系中的坐標(biāo)值，記為P₀¹＝(x₀¹,y₀¹)∈P₀，P₀是所有像素點(diǎn)的坐標(biāo)值集合，W₀¹∈W₀，W₀是所有像素點(diǎn)的顏色值集合，在灰度圖像中，W₀¹代表該點(diǎn)的灰度值，對(duì)二值化的形狀輪廓圖建模時(shí)，W₀¹取值為0或1，分別對(duì)應(yīng)輪廓點(diǎn)和非輪廓點(diǎn)；

③通過對(duì)P₀中的點(diǎn)進(jìn)行篩選，排除非輪廓點(diǎn)，得到P₀的一個(gè)子集合P，P中的元素是用于復(fù)雜網(wǎng)絡(luò)建模的輪廊點(diǎn)集合。

優(yōu)選的，所述步驟(3)規(guī)則網(wǎng)絡(luò)轉(zhuǎn)化為復(fù)雜網(wǎng)絡(luò)的具體做法為給定距離閾值r，如果兩頂點(diǎn)間的歐氏距離大于等于r，則去除頂點(diǎn)間的連接邊，否則保留頂點(diǎn)間的連接邊。

優(yōu)選的，所述歐氏距離的計(jì)算公式為

$dist(p^i,p^j)=\sqrt{{(x^i-x^j)}^2+{(y^i-y^j)}^2}.$

優(yōu)選的，所述步驟(6)中識(shí)別參數(shù)θ的定義形式為

θ(Gi)＝[Kκ(r⁰)，Kμ(r⁰)，Kκ(r¹)，Kμ(r¹)，...，Kκ(r^m)，Kμ(r^m)]。

優(yōu)選的，所述步驟(7)中形狀識(shí)別的具體步驟為：

①建立識(shí)別分組，分別建立形狀輪廓的樣本組和測(cè)試組；

②計(jì)算識(shí)別結(jié)果，形狀輪廓的樣本組和測(cè)試組對(duì)應(yīng)記為Gs和G1。對(duì)于Gt中的每一個(gè)輪廓，計(jì)算其識(shí)別參數(shù)θ(Gt)與Gs中每一個(gè)輪廓識(shí)別參數(shù)θ(Gs)之間的二階范數(shù)；

③劃分輪廓分組，根據(jù)計(jì)算結(jié)果，將測(cè)試分組的輪廓?jiǎng)澐秩胍阎纸M中。

有益效果：本發(fā)明提供了一種基于網(wǎng)絡(luò)的圖像形狀輪廓識(shí)別方法，將復(fù)雜網(wǎng)絡(luò)方法應(yīng)用于圖像目標(biāo)識(shí)別領(lǐng)域，針對(duì)形狀輪廓識(shí)別和灰度圖像識(shí)別等應(yīng)用環(huán)境，提出一類基于復(fù)雜網(wǎng)絡(luò)的圖像目標(biāo)識(shí)別方法。通過將基于輪廓的圖像識(shí)別方法與復(fù)雜網(wǎng)絡(luò)方法優(yōu)點(diǎn)相融合，該方法既保留基于輪廓的識(shí)別方法所具有的過程簡(jiǎn)單、識(shí)別效率高等特點(diǎn)，又充分發(fā)揮復(fù)雜網(wǎng)絡(luò)方法僅考慮網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，與節(jié)點(diǎn)位置、順序無(wú)關(guān)等特點(diǎn)，克服了圖像輪廓輕微變化、光照強(qiáng)度小幅度變化以及局部遮擋等因素對(duì)識(shí)別方法的影響，使得識(shí)別方法具有平面旋轉(zhuǎn)不變性、平移不變性、縮放不變性以及一定程度的容噪性。

具體實(shí)施方式

一種基于網(wǎng)絡(luò)的圖像形狀輪廓識(shí)別方法，包括如下步驟：

(1)像素點(diǎn)轉(zhuǎn)化為輪廓點(diǎn)

對(duì)于二值化處理后的形狀輪廓圖，每一個(gè)像素點(diǎn)被賦值0和1分別表示黑色點(diǎn)和白色點(diǎn)，其中，黑色點(diǎn)為輪廓點(diǎn)，白色點(diǎn)則為非輪廓點(diǎn)，利用復(fù)雜網(wǎng)絡(luò)對(duì)形狀輪廓進(jìn)行建模，首先要對(duì)輪廓中的像素點(diǎn)進(jìn)行重新表示，使其符合下一步建模的要求，所述像素點(diǎn)轉(zhuǎn)化為輪廓點(diǎn)的具體算法為

①在圖像所處平面中選取一個(gè)坐標(biāo)原點(diǎn)，并在此基礎(chǔ)上建立平面直角坐標(biāo)系，將圖像上的形狀輪廓點(diǎn)表示為該點(diǎn)在坐標(biāo)系中的坐標(biāo)值,圖像中的所有像素點(diǎn)都被映射到一個(gè)點(diǎn)集合V₀；

②對(duì)于V₀中的任意點(diǎn)V₀¹，其表示形式為V₀¹＝(P₀¹,W₀¹)，其中，1是該點(diǎn)的序號(hào)，P₀¹代表該點(diǎn)在所建立平面坐標(biāo)系中的坐標(biāo)值，記為P₀¹＝(x₀¹,y₀¹)∈P₀，P₀是所有像素點(diǎn)的坐標(biāo)值集合，W₀¹∈W₀，W₀是所有像素點(diǎn)的顏色值集合，在灰度圖像中，W₀¹代表該點(diǎn)的灰度值，對(duì)二值化的形狀輪廓圖建模時(shí)，W₀¹取值為0或1，分別對(duì)應(yīng)輪廓點(diǎn)和非輪廓點(diǎn)；

③通過對(duì)P₀中的點(diǎn)進(jìn)行篩選，排除非輪廓點(diǎn)，得到P₀的一個(gè)子集合P，P中的元素是用于復(fù)雜網(wǎng)絡(luò)建模的輪廊點(diǎn)集合；

(2)輪廓點(diǎn)集轉(zhuǎn)化為規(guī)則網(wǎng)絡(luò)

接著對(duì)輪廓點(diǎn)集進(jìn)行網(wǎng)絡(luò)建模，將集合P以圖G＝(V,E)的形式表現(xiàn)，在輪廓點(diǎn)映射為頂點(diǎn)的基礎(chǔ)上，對(duì)圖中每一對(duì)頂點(diǎn)之間添加一條連接邊，得到全耦合網(wǎng)絡(luò)；

(3)規(guī)則網(wǎng)絡(luò)轉(zhuǎn)化為復(fù)雜網(wǎng)絡(luò)

引入一個(gè)距離閾值，在閾值范圍內(nèi)產(chǎn)生一組新的連接邊集合，忽略間隔距離較大的節(jié)點(diǎn)間連接關(guān)系，將規(guī)則網(wǎng)絡(luò)轉(zhuǎn)化為復(fù)雜網(wǎng)絡(luò)，所述規(guī)則網(wǎng)絡(luò)轉(zhuǎn)化為復(fù)雜網(wǎng)絡(luò)的具體做法為給定距離閾值r，如果兩頂點(diǎn)間的歐氏距離大于等于r，則去除頂點(diǎn)間的連接邊，否則保留頂點(diǎn)間的連接邊，所述歐氏距離的計(jì)算公式為

$dist(p^i,p^j)=\sqrt{{(x^i-x^j)}^2+{(y^i-y^j)}^2};$

(4)網(wǎng)絡(luò)建模

對(duì)特定的形狀輪廓i，抽象化為對(duì)應(yīng)的圖Gi，選定距離閾值集合R中的所有值r^j，順序作用在節(jié)點(diǎn)集合中，分別建立相應(yīng)的網(wǎng)絡(luò)模型；

(5)單組參數(shù)提取

針對(duì)每一個(gè)生成的網(wǎng)絡(luò)模型，分別計(jì)算每一個(gè)節(jié)點(diǎn)的度，對(duì)應(yīng)得到該絡(luò)的最大度Kk(r^j)和Ku(r^j)；

(6)匯集識(shí)別參數(shù)

將針對(duì)Gi產(chǎn)生的所有網(wǎng)絡(luò)模型計(jì)算所得的參數(shù)合并成一個(gè)一維數(shù)組，就得到最終的識(shí)別參數(shù)θ，識(shí)別參數(shù)θ的定義形式為

θ(Gi)＝[Kκ(r⁰)，Kμ(r⁰)，Kκ(r¹)，Kμ(r¹)，...，Kκ(r^m)，Kμ(r^m)]；

(7)形狀識(shí)別

根據(jù)上述步驟得到每一個(gè)形狀輪廓的識(shí)別參數(shù)后，可以對(duì)不同形狀輪廓進(jìn)行分類識(shí)別，所述形狀識(shí)別的具體步驟為：

①建立識(shí)別分組，分別建立形狀輪廓的樣本組和測(cè)試組；

②計(jì)算識(shí)別結(jié)果，形狀輪廓的樣本組和測(cè)試組對(duì)應(yīng)記為Gs和G1。對(duì)于Gt中的每一個(gè)輪廓，計(jì)算其識(shí)別參數(shù)θ(Gt)與Gs中每一個(gè)輪廓識(shí)別參數(shù)θ(Gs)之間的二階范數(shù)；

③劃分輪廓分組，根據(jù)計(jì)算結(jié)果，將測(cè)試分組的輪廓?jiǎng)澐秩胍阎纸M中。

本發(fā)明提供了一種基于網(wǎng)絡(luò)的圖像形狀輪廓識(shí)別方法，將復(fù)雜網(wǎng)絡(luò)方法應(yīng)用于圖像目標(biāo)識(shí)別領(lǐng)域，針對(duì)形狀輪廓識(shí)別和灰度圖像識(shí)別等應(yīng)用環(huán)境，提出一類基于復(fù)雜網(wǎng)絡(luò)的圖像目標(biāo)識(shí)別方法。通過將基于輪廓的圖像識(shí)別方法與復(fù)雜網(wǎng)絡(luò)方法優(yōu)點(diǎn)相融合，該方法既保留基于輪廓的識(shí)別方法所具有的過程簡(jiǎn)單、識(shí)別效率高等特點(diǎn)，又充分發(fā)揮復(fù)雜網(wǎng)絡(luò)方法僅考慮網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，與節(jié)點(diǎn)位置、順序無(wú)關(guān)等特點(diǎn)，克服了圖像輪廓輕微變化、光照強(qiáng)度小幅度變化以及局部遮擋等因素對(duì)識(shí)別方法的影響，使得識(shí)別方法具有平面旋轉(zhuǎn)不變性、平移不變性、縮放不變性以及一定程度的容噪性。

以上所述僅為本發(fā)明的實(shí)施例，并非因此限制本發(fā)明的專利范圍，凡是利用本發(fā)明說明書內(nèi)容所作的等效結(jié)構(gòu)或等效流程變換，或直接或間接運(yùn)用在其他相關(guān)的技術(shù)領(lǐng)域，均同理包括在本發(fā)明的專利保護(hù)范圍內(nèi)。