一種三維傳感器網(wǎng)絡(luò)面骨架提取方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于無線傳感器網(wǎng)絡(luò)技術(shù)領(lǐng)域，更具體地，涉及一種三維傳感器網(wǎng)絡(luò)面骨架提取方法。
【背景技術(shù)】
[0002]面骨架是三維傳感器網(wǎng)絡(luò)的重要架構(gòu)，可以充分反映其幾何拓?fù)涮卣鳎灰延醒芯勘砻?，利用傳感器網(wǎng)絡(luò)的幾何拓?fù)涮卣鳎兄谠O(shè)計高性能的網(wǎng)絡(luò)協(xié)議。在計算機視覺研究領(lǐng)域中，關(guān)于三維物體面骨架的研究層出不窮，但大多集中于連續(xù)域上，且采用集中式算法來進行，因而不能直接應(yīng)用到具有資源約束特征的離散傳感器網(wǎng)絡(luò)中。現(xiàn)有關(guān)于傳感器網(wǎng)絡(luò)骨架提取的文獻，主要集中于二維傳感器網(wǎng)絡(luò)，而Xia Su等提出的面骨架提取方法則是三維傳感器網(wǎng)絡(luò)中的唯一研究成果。其具體做法是:首先建立一個單位四面體元(UnitTetrahedron Cell, UTC)網(wǎng)絡(luò)結(jié)構(gòu)，然后以遞歸方式從內(nèi)外邊界同時“剝開"UTC網(wǎng)絡(luò)結(jié)構(gòu)的每一層，直到?jīng)]有任何層可以剝開為止，即得到網(wǎng)絡(luò)面骨架。但這種基于形態(tài)細(xì)化、本質(zhì)上與Blum提出的燒草模型相類似的方法，對所使用的距離度量標(biāo)準(zhǔn)十分敏感而通常無法準(zhǔn)確定位面骨架點。此外，它非常容易受邊界噪聲影響，進而產(chǎn)生繃帶骨架，必須采用事后優(yōu)化處理過程。更為重要的是，該方法依賴于建立的UTC網(wǎng)絡(luò)結(jié)構(gòu)，而建立UTC結(jié)構(gòu)通常需要網(wǎng)絡(luò)密度較大，在網(wǎng)絡(luò)較為稀疏、存在小尺寸空洞且僅有節(jié)點間連接信息(而非節(jié)點坐標(biāo)信息)可供使用時，要得到準(zhǔn)確的UTC結(jié)果十分困難。最后，由于UTC結(jié)構(gòu)需要事先構(gòu)建，該方法不能應(yīng)用于動態(tài)網(wǎng)絡(luò)中。當(dāng)網(wǎng)絡(luò)拓?fù)湟蚬?jié)點失效或新節(jié)點加入而發(fā)生改變時，重新構(gòu)建UTC會帶來巨大的通信開銷。

【發(fā)明內(nèi)容】

[0003]針對現(xiàn)有方法的不足，本發(fā)明提出了一種三維傳感器網(wǎng)絡(luò)面骨架提取方法，該方法不會受到邊界擾動、網(wǎng)絡(luò)密度稀疏和距離舍入誤差等因素的影響，能得到更加真實的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)。
[0004]一種三維傳感器網(wǎng)絡(luò)面骨架提取方法，包括以下步驟:
[0005](I)每個內(nèi)部節(jié)點計算其特征點，如果某個內(nèi)部節(jié)點距離最近邊界點的跳數(shù)為k，則把距離該內(nèi)部節(jié)點k+Ι跳的邊界點也看作為特征點；稱其為擴展特征點；
[0006](2)采用限制性廣播方式，把節(jié)點的特征點形成多個特征連通分量，并在邊界上進行逐跳擴張來計算特征連通分量之間的測地距離；
[0007](3)將測地距離小于ε的特征連通分量合并成大的ε連通分量。如果ε連通分量個數(shù)大于等于2，則相應(yīng)內(nèi)部節(jié)點為面骨架點；否則，它就不是面骨架點；
[0008]作為本發(fā)明的創(chuàng)新，首次提出了利用測地ε等價關(guān)系來提取穩(wěn)健的面骨架。如果兩個節(jié)點(或聯(lián)通分離)a，b間的測地距離小于給定正實數(shù)ε，則稱它們是測地ε等價的。這種基于測地ε等價關(guān)系的骨架節(jié)點識別方法，對于邊界噪聲、節(jié)點失效和網(wǎng)絡(luò)低密度等因素具有魯棒性，而且它是連續(xù)域中面骨架定義在離散傳感器網(wǎng)絡(luò)中的推廣。
[0009](4)構(gòu)造出面骨架點的極大獨立集，使得其中任意兩面骨架點間的跳數(shù)距離大于I且小于等于3 ;這樣得到的極大獨立集中，面骨架點分布相對均勻，能更好反映網(wǎng)絡(luò)幾何拓?fù)涮卣鳌?br>[0010](5)利用極大獨立集中的面骨架節(jié)點，得到Voronoi圖，其中每個Voronoi元有且僅有一個面骨架點。基于該Voronoi圖，利用已有方法得到其對偶圖Delaunay三角化，從而得到三維傳感器網(wǎng)絡(luò)面骨架。
[0011 ] 本發(fā)明的技術(shù)效果體現(xiàn)在:
[0012]本發(fā)明通過引入?yún)?shù)ε來得到ε連通分量，并基于ε連通分量識別出面骨架點，它是基于連續(xù)域中定義識別出的面骨架子集，其優(yōu)點在于這種識別方法可以避免舍入誤差、邊界噪聲和網(wǎng)絡(luò)低密度等因素造成的不良影響，更加適應(yīng)于離散的三維傳感器網(wǎng)絡(luò)。同時，傳統(tǒng)的集中式面骨架提取算法并不適合傳感器網(wǎng)絡(luò)這樣的分布式網(wǎng)絡(luò)，而且傳感器節(jié)點具有能量和計算能力等的有限性特點，應(yīng)該設(shè)計一個分布式近似方法，在基本保留集中式算法優(yōu)越性的同時維持分布式特性。由于本發(fā)明為分布式算法，適合應(yīng)用在具有分布式特點的三維傳感器網(wǎng)絡(luò)中；該算法的時間、空間復(fù)雜度都與網(wǎng)絡(luò)規(guī)模成線性關(guān)系，具有良好的可擴展性，能應(yīng)用于大規(guī)模三維傳感器網(wǎng)絡(luò)中；與以往算法相比，它不依賴于任何特殊結(jié)構(gòu)，且對邊界噪聲、網(wǎng)絡(luò)稀疏和網(wǎng)絡(luò)稀疏等因素的控制更加靈活，能夠提取出更穩(wěn)健的網(wǎng)絡(luò)面骨架。
【附圖說明】
[0013]圖1是本發(fā)明方法流程不意圖；
[0014]圖2是本發(fā)明的三維傳感器網(wǎng)絡(luò)模型示例圖；
[0015]圖3是本發(fā)明的三維傳感器網(wǎng)絡(luò)面骨架節(jié)點的特征連通分量示意圖；
[0016]圖4是本發(fā)明的三維傳感器網(wǎng)絡(luò)非面骨架節(jié)點的特征連通分量示意圖；
[0017]圖5是本發(fā)明三維傳感器網(wǎng)絡(luò)中識別的面骨架節(jié)點示意圖；
[0018]圖6是本發(fā)明三維傳感器網(wǎng)絡(luò)中極大獨立面骨架點集示意圖；
[0019]圖7是本發(fā)明的三維傳感器網(wǎng)絡(luò)面骨架示意圖。
【具體實施方式】
[0020]為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點更加清楚明白，以下結(jié)合附圖及實施例，對本發(fā)明進行進一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。此外，下面所描述的本發(fā)明各個實施方式中所涉及到的技術(shù)特征只要彼此之間未構(gòu)成沖突就可以相互組合。
[0021]本發(fā)明所應(yīng)用的傳感器網(wǎng)絡(luò)僅僅利用了傳感器間的連接信息，我們利用現(xiàn)有文獻中的方法識別出網(wǎng)絡(luò)邊界，因此可以假定傳感器網(wǎng)絡(luò)的邊界信息已知。
[0022]圖1是本發(fā)明方法流程示意圖，包括以下步驟:
[0023]步驟1.識別特征點
[0024]每個邊界節(jié)點在網(wǎng)絡(luò)內(nèi)部以大致相同時間發(fā)起洪泛，洪泛信息包括邊界節(jié)點ID和一個用于反映洪泛信息已經(jīng)過的跳數(shù)距離、初始化為O的計數(shù)器。在收到來自某個邊界節(jié)點(比如說邊界點q)的洪泛信息后，節(jié)點P執(zhí)行如下策略:
[0025]如果節(jié)點P之前沒有接收到來自其他邊界節(jié)點的洪泛信息，則P將邊界點q及兩節(jié)點間的跳數(shù)距離保存到其最近邊界點列表List(P)中，并將計數(shù)器加I后轉(zhuǎn)發(fā)更新的洪泛信息給其鄰居節(jié)點；
[0026]否則，如果P到q的距離(可由計數(shù)器反映出來)與P到List(P)中邊界節(jié)點距離的最小值之差小于等于1，則P同樣將邊界點q及兩節(jié)點間的跳數(shù)距離保存到其最近邊界點列表List (P)中，然后將計數(shù)器加I后轉(zhuǎn)發(fā)更新的洪泛信息給其鄰居節(jié)點；否則，P將接收到的洪泛信息直接丟棄。
[0027]通過這種方式，每個節(jié)點可以記錄其擴展特征節(jié)點，及其與這些節(jié)點間的跳數(shù)距離。
[0028]圖2為示例應(yīng)用的三維傳感器網(wǎng)絡(luò)示意圖。<