基于有向复杂网络模型的形状描述与识别

摘要：

针对传统复杂网络方法对形状的非刚性变形较为敏感等问题，在形状内部距离的基础上利用有向复杂网络进行形状分析。首先提取形状边界点作为复杂网络的节点，以形状边界点之间的内部距离作为复杂网络中节点之间的边权值构建初始网络；然后对初始复杂网络进行k近邻演化，得到不同演化时刻的有向子网络；最后提取各有向子网络的特征来实现复杂网络的特征描述，进而实现形状的特征表示。实验结果表明，该方法对常见的形状变形具有更强的鲁棒性；与传统的无向网络模型相比，具有更高的检索和分类精度。

关键词：复杂网络、内部距离、形状描述、特征提取

分类号：TP391(计算技术、计算机技术)

资助基金：国家科技支撑计划2012BAH95F01；国家自然科学基金61202228；安徽省科技厅自然科学基金面上项目1308085MF97；安徽省高等学校省级自然科学研究重点项目KJ2013A007．

在线出版日期：2014-12-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：2039-2045