[发明专利]一种基于结构平衡理论的复杂网络图像识别方法

权利要求书

1.一种基于结构平衡理论的复杂网络图像识别方法，其特征在于：所述方法包括以下步骤：

步骤1：首先读取图像，得到图像矩阵,是一个维的矩阵，其中表示测试图像的数量，表示图像中像素的个数，表示实数域，表示转置；

步骤2：根据步骤1的结果构建复杂网络模型；

步骤3：根据步骤2建立的复杂网络模型计算复杂网络参数：节点度、平均度、最大度；

其中是节点度，是平均度，是最大度；

步骤4：为了简化运算量减少存储空间，删除所有节点度大于平均度的节点；

步骤5：将步骤4得到的复杂网络模型进行数值归一化

,剔除归一化以后的零值；

步骤6：将步骤5得到的构建测试图像的结构均衡网络与结构平衡矩阵做哈达玛乘积，获得哈达玛变换像，记中所有的正特征参数的平均值为，所有负特征参数的平均值为；

步骤7：将步骤6得到的特征参数矩阵，样本组图像，重复步骤2~6得到样本组特征参数信息；

所述步骤6中的结构均衡网络模型如下所示：

=+

=

其中，是步骤5所获得的维矩阵，表示测试组图像数量，是的转置，是二值结构平衡网络，是二值结构平衡网络的的哈达玛变换像，是特征参数矩阵。

2.根据权利要求1所示的基于结构平衡理论的复杂网络图像识别方法，其特征在于：所述步骤7中的参数识别条件可以表示如下：

其中，是样本组图像的特征参数,是第类图像，是样本组图像的特征参数，是测试图像和样本图像之间的欧氏距离。

3.根据权利要求2所示的基于结构平衡理论的复杂网络图像识别方法，其特征在于：设置样本图像特征参数,分别计算某样本图像和测试组图像特征参数的欧氏距离，欧氏距离取得最小值时该样本图像所处的分组就是该样本图像的分组。

4.根据权利要求2或3所示的基于结构平衡理论的复杂网络图像识别方法，其特征在于：通过构造结构平衡矩阵增强图像中的有用的特征信息，保证图像的旋转，平移不变性。