复杂网络理论的形状特征提取研究开题报告

1. 研究目的与意义

在图像处理和模式识别研究中，形状是最重要的一个目标视觉特征，提供了目标的大部分信息用来识别和分类。形状分析是图像分析的一个重要分支，重点是刻画图像目标的各种形状特征，利用形状特征是实现目标识别的基础。

复杂网络的研究，为我们提供了一种复杂性研究的新视角、新方法，并且提供了一种比较的视野。当物体从图象中分割出来以后，可以在复杂网络研究的旗帜下，将形状描述特征与尺寸测量结合起来，作为区分不同物体的依据，对各种复杂网络进行比较、研究和综合概括。

2. 国内外研究现状分析

小世界网络和无标度网络的发现，掀起了研究复杂网络的热潮。《Nature》杂志上发表的关于小世界网络的文章，采用小世界网络模型来刻画网络中大多数节点间有较短的连接性质。

相对而言，我国已有学者开始这方面的研究，其中有学者从局域小世界模型、含权网络与交通流驱动的机制、混合择优模型、动力学行为的同步与控制、广义的同步等方面对国内的研究进展进行了简要概括，但是到目前为止还没有系统介绍国内关于复杂网络理论及应用研究现状的综述文献。

目前国内外有几种典型的形状特征描述方法，包括边界特征法、傅里叶形状描述符法、几何参数法、形状不变矩法、旋转函数和小波描述符等方法。

3. 研究的基本内容与计划

一、研究内容

(1) 通过实证方法度量网络的统计性质，构建相应的网络模型来理解这些统计性质何以如此，在已知网络结构特征及其形成规则的基础上，预测网络系统的行为；

(2) 超越网络拓扑结构，掌握建立在这些网络上的系统的工作方式和机理，认识复杂网络上的动力学；

4. 研究创新点

(1) 网络中节点与节点之间连接的多样性。复杂网络是由活性节点构成的,各个节点具有不同的特性,并按非线性方式进行状态转化;同时,节点之间的连接内容是多样化的, 连接结构是立体动态的。

(2) 网络具有动态演进特性。复杂网络中的局部互动关联性,涌现出网络整体上的动态演化行为模式,而这种行为模式又导致网络结构的不断变化与更替。

(3) 利用一定的数学模型,如er随机图模型、小世界网络模型和无尺度网络模型等,来分析复杂网络的统计特性,稳定性,柔性以及演化动力学特征。