多模复杂网络模型的形状特征提取方法

TP391.4; 物体形状的特征提取是图像检索与识别中的重要研究内容.考虑到物体形状的多变性,给出了一种基于多模复杂网络模型的形状特征提取方法.首先,以形状边界轮廓点作为节点,利用节点之间的欧氏和内部距离作为连接顶点之间边的权值构建初始网络模型；然后,分别基于欧氏距离和内部距离对初始网络进行演化；最后,从子网络中提取特征,并进一步用于形状描述.检索与分类实验表明,所提方法相比于传统的单一模态下的复杂网络特征提取方法具有更强的鲁棒性....

Full description

Saved in:
Bibliographic Details
Published in计算机科学与探索 Vol. 7; no. 6; pp. 570 - 576
Main Authors 郅大鹏, 汤进, 江波, 罗斌
Format Journal Article
LanguageChinese
Published 安徽大学计算机科学与技术学院,合肥,230601%安徽大学计算机科学与技术学院,合肥230601 2013
安徽省工业图像处理与分析重点实验室,合肥230039
Subjects
内部距离
特征提取
动态演化
复杂网络
Online AccessGet full text
ISSN1673-9418
DOI10.3778/j.issn.1673-9418.1301005

Cover

More Information
Summary:TP391.4; 物体形状的特征提取是图像检索与识别中的重要研究内容.考虑到物体形状的多变性,给出了一种基于多模复杂网络模型的形状特征提取方法.首先,以形状边界轮廓点作为节点,利用节点之间的欧氏和内部距离作为连接顶点之间边的权值构建初始网络模型；然后,分别基于欧氏距离和内部距离对初始网络进行演化；最后,从子网络中提取特征,并进一步用于形状描述.检索与分类实验表明,所提方法相比于传统的单一模态下的复杂网络特征提取方法具有更强的鲁棒性.
ISSN:1673-9418
DOI:10.3778/j.issn.1673-9418.1301005