[发明专利]一种二维与三维传感器网络线骨架的通用提取方法

说明书

技术领域

本发明属于无线传感器网络技术领域，更具体地，涉及一种二维与三维传感器网络线骨架的通用提取方法。

背景技术

传感器网络的功能实现与其所处几何环境紧密相关，利用传感器网络拓扑的骨架信息，可以显著提高传感器网络中诸如定位、路由选择等应用性能。在计算机视觉研究领域中，关于拓扑抽取的研究主要集中于连续域上，不能直接应用到离散的传感器网络中。而现有关于骨架提取的文献，主要集中于二维传感器网络的线骨架提取。其中具有代表性的是JehoshuaBruck等提出的MAP(MedialAxisbasedroutingProcotol,MAP)算法和HongboJiang等提出的CASE(Connectivity-bAsedSkeletonExtraction,CASE)算法，具体做法是：先识别出传感器网络的边界，再利用最大内切圆方法，去判定一个节点是否为中轴(也称为骨架)节点。在MAP算法中，若某节点的最大内切圆与边界有两个交点，则该节点即被当作中轴节点，而在CASE算法中，该节点与边界的两个交点还应属于不同边界分支，方才被当作线骨架点。由于传感器网络节点是离散分布，MAP算法往往会受到边界扰动的影响，得到噪声中轴节点，而CASE算法性能却可能因实现边界划分的参数选择不当，而使得提取骨架只是真实骨架的一部分，以致得到的中轴线或骨架不能很好代表传感器网络的真实拓扑结构。此外，这些算法仅针对二维传感器网络，无法提取三维传感器网络的线骨架。

发明内容

针对现有方法的不足，本发明提出了一种二维与三维传感器网络线骨架的通用提取方法，该方法同时适用于二维与三维传感器网络，且不会受到边界扰动影响，能得到更加近似的网络拓扑结构。

一种传二维与三维传感器网络线骨架的通用提取方法，包括以下步骤：

(1)计算传感器网络每个内部节点的特征点，如果某个内部节点距离最近边界点的跳数为k，则把距离该内部节点k+1跳的边界点也看作为该内部节点的特征点；称这样的特征点为扩展特征点；

(2)采用限制性广播方式，把每个内部节点的特征点形成多个特征连通分量，并在边界上进行逐跳扩张来连接这些特征连通分量，使之形成一个大的特征连通分量；

(3)利用每个内部节点中距离特征点小于指定跳数的节点集合，来生成一跳膨胀路径。如果膨胀路径的边界包含多条闭合曲线，则相应内部节点为线骨架点；否则，它不是线骨架点；

(4)每个线骨架点计算被膨胀路径中闭合曲线分割开来的各连通分量中的节点数，并计算出相应线骨架点的重要度。

其中线骨架点的重要度是指：对线骨架点p，假定其特征点的(测地)最短路径将网络分解成l(≥2)个连通分量，为C₁(p)，C₂(p)，…，C_l(p)，且满C₁(p)≤C₂(p)≤…≤C_l(p)，则p的重要度τ(p)为τ(p)＝1-C_l(p)/|C|，其中C为所有边界点集合。

(5)每个线骨架点选择其邻居线骨架点中重要度最大的线骨架点作为父节点，从而建立起具有多个冗余分支的骨架树；

(6)计算每条骨架分支与其他骨架分支的相似度，并利用递归过程来优化骨架树，得到最终网络线骨架。

其中骨架分支相似度是指：对两条具有同一父节点p的骨架分支B₁,B₂，令L₁,L₂分别表示其分支长度。对分支B₁,B₂上距p节点i跳的节点定义函数如果互为邻居节点，否则则分支B₁和B₂在B₁,B₂之间的相似度Sim(B₁|B₂)和Sim(B₂|B₁)分别定义如下: