[01828163]应用复杂网络提取视觉特征的关键技术研究

本项目主要研究基于复杂网络理论模型与分析方法的图像特征表述,进而将此类表述方法用于人脸识别、掌纹识别等视觉问题中。项目共计发表相关论文11 篇,其中SCI 收录4 篇,EI 收录7 篇;共获得计算机软件著作权2 项。这些成果的主要内容包括以下几个方面： 1、完成了图像到复杂网络的单向映射,将一幅输入图像转化为一系列演化小世界网络,为分析网络特征进而提取视觉特征打下基础。 2、通过复杂网络全局测度的合理设计和使用,有效描述了图像的全局视觉特征,并针对纹理识别这一问题展开深入研究。研究表明,这些网络全局统计特征能够有效描述纹理、帮助提取纹理特征,并且该特征具有很好的旋转、尺度不变性和对噪声的鲁棒性。 3、深入研究复杂网络局部测度之间的相关性及其对网络整体特征的影响,并在此基础上提出了全新的网络局部测度,从整体特征不变性的角度给出了更优的局部特征度量方法和节点测度,为深入发掘复杂网络局部测度与视觉局部描述之前的关系打下了坚实的理论基础。 4、通过对复杂网络局部特性的深入研究和应用,有效描述了图像的局部视觉特征,并针对图像特征点提取和匹配问题展开研究。研究表明,复杂网络局部测度的合理设计和使用能够有效表征图像的局部视觉变化,从而有效提取特征点,为图像配准、基于图像的三维重建等问题提供更新、更优的特征点解决方案。 5、将2、3 的研究在具体的视觉任务中进行应用,利用局部特征点和全局多小波分量上的网络全局特征共同生成了具有很好鲁棒性的掌纹特征,进而实现了基于复杂网络与多小波的掌纹识别。 本项目的研究从视觉问题的数学本质出发,通过引入复杂网络理论与方法进行合理建模,进而将许多视觉病态问题转化为网络特征分析问题,具有较好的创新性。项目成果被SCI、EI 期刊收录,达到了国际先进水平。本项目较为深入地探讨了复杂网络自身理论及与视觉问题的有效结合途径,具有较大的理论意义;同时将该方法应用到掌纹识别等实用场合中,取得了很好的效果,体现了成果的产业化潜力和很好的应用前景。