29、图像平面图提取技术解析

图像平面图提取技术解析

在图像模式识别领域，将图像表示为图是一种备受关注的方法，它能让我们利用图的结构特性以及与之相关的鲁棒性。然而，现有的从图像中提取图的方法存在一些不足，本文将探讨一种新的提取平面图的方法，以解决这些问题。

1. 现有图像图提取方法及问题

在图像模式识别中，用图来表示图像是一种常见的方法，人们期望借助图的结构特性和鲁棒性来解决实际问题。目前，已经提出了多种从图像中提取图的模型，主要有以下两种：
- 区域邻接图（Region Adjacency Graphs） ：先对图像进行分割，将每个区域用一个顶点表示，当两个区域有共同边界时，就在对应的两个顶点之间添加一条边。还可以添加一些额外的参数，如区域的大小、边界的长度等。这种方法经过改进，产生了对偶图、有序图和组合映射等。
- 基于兴趣点的图 ：提取图像中的兴趣点作为顶点，然后根据某种邻域关系将这些顶点连接起来，例如使用Delaunay三角剖分。同样，也可以为顶点或边添加数值属性。

然而，这两种方法都存在一些问题：
- 区域邻接图 ：当分割比较粗糙时，图的结构与图像的拓扑性质（如图像中物体的空间布局、边界和连通性）关系不大。
- 基于兴趣点的图 ：很多所谓的兴趣点并不真正有意义，为了确保包含所有重要的点，需要提取大量的点。而且，由于这些点实际上是有一定厚度的像素，在构建图时会受到离散几何问题的影响，例如难以确定两个区域之间的边界。

一个好的从图像中提取的图应该具备以下特点：
- 鲁