[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

摘要

本发明涉及图像识别技术领域，特别涉及一种基于结构平衡理论的复杂网络图像识别方法，本发明提供的基于结构平衡理论的复杂网络图像识别方法，通过复杂网络建立模型，利用复杂网络的参数删除图像中相似性小节点，能够有效的提高运算速度以及节点的有效性；通过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的结果作为图像识别的特征参数，使图像辨识的参数变得简单；通过构造结构平衡矩阵的更有效的增强了图像中的有用的特征信息，还能保证图像的旋转，平移不变性；最终能有效的实现图像识别，解决传统的复杂网络图像识别技术在图像建模过程中节点数目较多，计算量大，且不能较好的提取特征点，具有很强的创造性。

主权项

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X＝[X1，...，Xm]∈Rm*n，X是一个m维的矩阵，其中m表示测试图像的数量，n表示图像中像素的个数，R表示实数域，T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；Kk＝maxKi其中Ki是节点度，Kμ是平均度，Km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X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，获得获得哈达玛变换像Y，记Y中所有的正特征参数的平均值为α，所有负特征参数的平均值为β；步骤7：将步骤6得到的特征参数矩阵，样本组图像R＝[r1，r2，...，rj]，重复步骤2～6得到样本组特征参数信息V。