图像中基于符号化方法的最佳连通性分析

论文摘要

图像中包含了大量的信息,本文主要目的是提取图像中结构化、半结构化及非结构化的信息用于决策问题,但大多数技术只能对结构化的问题进行处理,智能决策支持系统正是面向半结构化和非结构化决策问题的,其支持问题的范围包括从纯描述性的非结构化决策问题到常规性的结构化决策问题。智能决策支持系统正是用于研究和解决决策问题中的半结构化及非结构化问题的有效工具。 本文针对二维平面中二值图像目标实体采用启发式的A~*搜索算法进行图像路径的连通性分析,并将智能决策支持系统的相关技术运用于图像中两点间的最优路线规划。 本文将二值图像转换成连通图的形式,采用了RLC的数据结构压缩图像数据,路径的搜索工作都是在连通图的基础上进行的。本文实验引入了符号影射的概念,利用符号推理规则在由图像信息导出的连通图知识结构上进行启发式A~*搜索。符号化的方法使得计算机的功能有质的飞跃,不仅可进行数值计算还可以进行公式推理、符号处理,特别是实际应用中往往希望得到问题的解析模型,但有时往往局限于数学方法及计算机工具发展的程度,而符号化方法就为此带来了便利。符号化的描述方法用于路径规划能真实的、直观的、有效的展现不同实体的空间关系,在分析查询中符号化方法能作为分类和控制的指导。在实验的启发式模块中,A~*搜索和推理发生器协同工作,搜索结果以图形(路线图)及文字(符号规划表)的形式来表示图像的连通性。 空间分析是一门基于地理对象的位置和形态特征的数据分析技术,利用空间分析方法不仅可以查询数据库系统中的各种信息,而且可通过这些信息去揭示事物间更深刻的内在规律和特征。连通性分析作为空间分析的一种广泛地应用于各个领域,如最佳路径搜寻以及其它网络流程分析应用中等。图像中最佳连通性问题即为最佳路径问题,最佳路径问题是一种计算机图形搜索算法,即在出发点和目标点之间找出总代价最低的路径,即尽可能降低算法的时间复杂度和空间复杂度。 本文分析讨论了最短路径的搜索算法,并提出了启发式的路径搜索算法,根据智能决策支持的相关知识结构设计了图像最佳连通性的流程图,对搜索过程进行开发和实现。实验结果表明,启发式的A~*搜索和符号推理规则相结合的方法给图像中两点间最短路径规划提供了一个形象而直观的描述方法,再现了图像实体间的空间关系,并为空间分析和分类提供依据。

论文目录

• 摘要
• ABSTRACT
• 目录
• 第一章 绪论
• 1.1 研究现状
• 1.1.1 最优路线规划算法
• 1.1.2 智能决策支持系统的发展
• 1.2 研究目的和意义
• 1.3 本文研究内容
• 第二章 最短路径算法
• 2.1 DIJKSTRA算法
• 2.2 走迷宫算法
• 2.2.1 传统的迷宫算法
• 2.2.2 四方向的迷宫算法
• 2.2.3 八方向的迷宫算法
• 2.3 线搜索算法
• 2.4 本章小结
• 第三章 智能决策支持系统
• 3.1 决策支持系统
• 3.2 专家系统技术
• 3.3 知识的表达和推理
• 3.4 数据挖掘与知识发现
• 3.5 本章小结
• 第四章 启发式搜索算法
• 4.1 盲目搜索
• 4.1.1 宽度优先搜索
• 4.1.2 深度优先搜索
• 4.1.3 等代价搜索
• 4.1.4 分支有界搜索
• 4.2 启发式搜索
• 4.2.1 启发式信息的表示
• 4.2.2 启发式函数的构造
• 4.3 启发式图搜索法
• 4.3.1 图搜索算法
• 4.3.2 A搜索算法
• *搜索算法'>4.3.3 A^*搜索算法
• 4.4 本章小结
• 第五章 图像连通性分析
• 5.1 实验流程
• 5.2 实验步骤
• 5.2.1 预处理
• 5.2.2 启发式模块
• 5.2.3 最优化算法模块
• 5.2.4 实验结果图
• 5.3 实验分析
• 5.4 本章小结
• 第六章 总结与展望
• 参考文献
• 致谢