基于网络方法的形状图像特征选择

作者：杨波; 李国华; 李金海^*

来源：昆明理工大学学报(自然科学版), 2023, 48(06): 30-38.

DOI：10.16112/j.cnki.53-1223/n.2023.06.331

• 轮廓点网络
• 滑动窗口方法
• 形状分类
• 特征选择

在形状图像的表示和识别领域，复杂网络方法不依赖于像素点的具体位置，在对具有旋转、缩放和拉伸等特征的形状进行分类时具有显著优势.本文首先提取形状图像的轮廓点作为网络的节点，然后依据轮廓点间的欧氏距离建立连边，最后选择网络的归一化平均度、最大度、熵和能量作为图像的特征进行分类.为了提高分类准确性，通常同时考虑不同阈值对应的多个轮廓点网络.本文着重研究了网络特性随阈值的变化规律以及轮廓点和阈值数量对分类准确性的影响.得到了一些有趣的结论：(1)内部有孔洞的形状图像其分类准确率低于内部无孔洞的形状图像；(2)不同类别形状之间的相似度越大，轮廓点数量的鲁棒性越差；(3)随机森林(RF)对不同形状数据集的分类均具有良好的稳定性.

• 单位
  昆明理工大学