图像数据的几何化分析算法设计及应用研究
在计算机视觉领域，特定场景、特定对象的模式识别与分类一直是应用研究领域的热点和难点，其工业应用广泛，涉及动态目标识别、安防场景、生物特征识别、工业机器人、自动驾驶、国土资源高光谱遥感监测等诸多方面，是人工智能及其应用领域的重要构成。探索新的图像数据的特征提取算法、推动纹理图像分析与表征的探索性尝试无疑有着非常重要的科学意义与实践应用价值。本文立足于已有研究成果，开展了复杂网络分析视角下图像数据表征与应用研究方面的新范式创建，尝试提出了一种新颖的图像数据几何化分析算法，并将其实施到相关工业应用场景之中，取得了较好的效果。具体讲，本文的主要工作体现在以下几个方面: (1)设计了基于复杂网络局部全局结构特征几何化分析方法，构建出一种多层类金字塔网络模型。该方法不仅适用于灰度图像，同时也适用于不同颜色空间表征的多通道彩色图像，是一种通用图像伴生复杂网络建模方法。 (2)设计了一种分类框架模型。该框架以局部全局相关多层类金字塔网络模型为基础，提取网络拓扑结构特征用于表征关联图像，并针对提取出的特征矩阵分别构建简单图和超图特征网络模型。最终将图像数据的分类任务，转换为对复杂网络模型节点的分类。该框架在融合了当前主流深度学习与图神经网络技术的同时，又注重复杂网络理论的应用，是一种有效的端到端框架模型，具有较强的应用价值。 (3)将局部全局网络模型以及基于复杂网络的分类方法应用于工业表面缺陷识别检测的应用场景当中。通过对工业表面缺陷图像构建伴生复杂网络模型，以此生成高维解释向量并构建特征网络模型，提取图像数据的几何化数字特征，从而达到分类、识别的目的。相关算法在新进公布的一类工业表面缺陷数据集上取得了较好的实验效果。
复杂网络;特征网络模型;几何化分析;图像表征;神经网络
武汉纺织大学
硕士
软件工程
刘杰
2023
中文
TP183
2023-08-28（万方平台首次上网日期，不代表论文的发表时间）