一種二維與三維傳感器網(wǎng)絡(luò)線骨架的通用提取方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于無線傳感器網(wǎng)絡(luò)技術(shù)領(lǐng)域，更具體地，設(shè)及一種二維與=維傳感器網(wǎng) 絡(luò)線骨架的通用提取方法。
【背景技術(shù)】
[0002] 傳感器網(wǎng)絡(luò)的功能實(shí)現(xiàn)與其所處幾何環(huán)境緊密相關(guān)，利用傳感器網(wǎng)絡(luò)拓?fù)涞墓羌?信息，可W顯著提高傳感器網(wǎng)絡(luò)中諸如定位、路由選擇等應(yīng)用性能。在計(jì)算機(jī)視覺研究領(lǐng)域 中，關(guān)于拓?fù)涑槿〉难芯恐饕杏谶B續(xù)域上，不能直接應(yīng)用到離散的傳感器網(wǎng)絡(luò)中。而現(xiàn) 有關(guān)于骨架提取的文獻(xiàn)，主要集中于二維傳感器網(wǎng)絡(luò)的線骨架提取。其中具有代表性的是 JehoshuaBruck等提出的MAP(MedialAxisbasedroutingProcotoLMAP)算法和Hongbo Jiang等提出的CA沈（Connectivity-bAsedSkeletonExtraction,CASE；)算法，具體做法 是：先識(shí)別出傳感器網(wǎng)絡(luò)的邊界，再利用最大內(nèi)切圓方法，去判定一個(gè)節(jié)點(diǎn)是否為中軸（也 稱為骨架）節(jié)點(diǎn)。在MP算法中，若某節(jié)點(diǎn)的最大內(nèi)切圓與邊界有兩個(gè)交點(diǎn)，則該節(jié)點(diǎn)即被 當(dāng)作中軸節(jié)點(diǎn)，而在CASE算法中，該節(jié)點(diǎn)與邊界的兩個(gè)交點(diǎn)還應(yīng)屬于不同邊界分支，方才 被當(dāng)作線骨架點(diǎn)。由于傳感器網(wǎng)絡(luò)節(jié)點(diǎn)是離散分布，MP算法往往會(huì)受到邊界擾動(dòng)的影響， 得到噪聲中軸節(jié)點(diǎn)，而CASE算法性能卻可能因?qū)崿F(xiàn)邊界劃分的參數(shù)選擇不當(dāng)，而使得提取 骨架只是真實(shí)骨架的一部分，W致得到的中軸線或骨架不能很好代表傳感器網(wǎng)絡(luò)的真實(shí)拓 撲結(jié)構(gòu)。此外，運(yùn)些算法僅針對(duì)二維傳感器網(wǎng)絡(luò)，無法提取=維傳感器網(wǎng)絡(luò)的線骨架。

【發(fā)明內(nèi)容】

[0003] 針對(duì)現(xiàn)有方法的不足，本發(fā)明提出了一種二維與=維傳感器網(wǎng)絡(luò)線骨架的通用提 取方法，該方法同時(shí)適用于二維與=維傳感器網(wǎng)絡(luò)，且不會(huì)受到邊界擾動(dòng)影響，能得到更加 近似的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)。
[0004] 一種傳二維與=維傳感器網(wǎng)絡(luò)線骨架的通用提取方法，包括W下步驟：
[0005] (1)計(jì)算傳感器網(wǎng)絡(luò)每個(gè)內(nèi)部節(jié)點(diǎn)的特征點(diǎn)，如果某個(gè)內(nèi)部節(jié)點(diǎn)距離最近邊界點(diǎn) 的跳數(shù)為k，則把距離該內(nèi)部節(jié)點(diǎn)k+1跳的邊界點(diǎn)也看作為該內(nèi)部節(jié)點(diǎn)的特征點(diǎn)；稱運(yùn)樣的 特征點(diǎn)為擴(kuò)展特征點(diǎn)；
[0006] (2)采用限制性廣播方式，把每個(gè)內(nèi)部節(jié)點(diǎn)的特征點(diǎn)形成多個(gè)特征連通分量，并在 邊界上進(jìn)行逐跳擴(kuò)張來連接運(yùn)些特征連通分量，使之形成一個(gè)大的特征連通分量；
[0007] (3)利用每個(gè)內(nèi)部節(jié)點(diǎn)中距離特征點(diǎn)小于指定跳數(shù)的節(jié)點(diǎn)集合，來生成一跳膨脹 路徑。如果膨脹路徑的邊界包含多條閉合曲線，則相應(yīng)內(nèi)部節(jié)點(diǎn)為線骨架點(diǎn)；否則，它不是 線骨架點(diǎn)；
[0008] (4)每個(gè)線骨架點(diǎn)計(jì)算被膨脹路徑中閉合曲線分割開來的各連通分量中的節(jié)點(diǎn) 數(shù)，并計(jì)算出相應(yīng)線骨架點(diǎn)的重要度。
[0009] 其中線骨架點(diǎn)的重要度是指：對(duì)線骨架點(diǎn)P，假定其特征點(diǎn)的（測地）最短路徑 將網(wǎng)絡(luò)分解成個(gè)連通分量，為Cl(P)，Cz(P),…，Cl(P)，且滿Cl(P)《Cz(P) 《Cl(P)，則P的重要度I(P)為I(P) =I-Ci(P)/lcI，其中C為所有邊界點(diǎn)集合。
[0010] (5)每個(gè)線骨架點(diǎn)選擇其鄰居線骨架點(diǎn)中重要度最大的線骨架點(diǎn)作為父節(jié)點(diǎn)，從 而建立起具有多個(gè)冗余分支的骨架樹；
[0011] (6)計(jì)算每條骨架分支與其他骨架分支的相似度，并利用遞歸過程來優(yōu)化骨架樹， 得到最終網(wǎng)絡(luò)線骨架。 陽01引其中骨架分支相似度是指：對(duì)兩條具有同一父節(jié)點(diǎn)P的骨架分支Bi,B2,令Li,Lz分 別表示其分支長度。對(duì)分支Bi,Bz上距P節(jié)點(diǎn)i跳的節(jié)點(diǎn)式，片;，定義函數(shù)八片耗）=1，如果 資:'，與;互為鄰居節(jié)點(diǎn)，否則^巧'，挺）=0。則分支Bi和B必B1，Bz之間的相似度Sim(B11Bz)和 Sim度21Si)分別定義如下：
[0015] 若節(jié)點(diǎn)P有I個(gè)子節(jié)點(diǎn)，并相應(yīng)地產(chǎn)生I個(gè)骨架分支，則節(jié)點(diǎn)P的骨架分支B(P) (包含節(jié)點(diǎn)P及I個(gè)骨架分支的骨架分支）的相似度為
[0016] Sim度(P)) =maXi,J《I, i *J怯im化IBi)}。
[0017] 本發(fā)明的技術(shù)效果體現(xiàn)在：
[0018] 本發(fā)明計(jì)算線骨架點(diǎn)的重要度，并利用重要度的單調(diào)性來建立骨架樹；通過計(jì)算 骨架分支相似度，剔除相似度大的骨架分支，形成優(yōu)化骨架，其優(yōu)點(diǎn)在于可W根據(jù)線骨架點(diǎn) 重要度的單調(diào)性來生成自連接的線骨架。同時(shí)，集中式的全局算法并不適合傳感器網(wǎng)絡(luò)運(yùn) 樣的分布式網(wǎng)絡(luò)，應(yīng)該設(shè)計(jì)一個(gè)全局算法的分布式近似方法，在基本保留全局算法優(yōu)越性 的同時(shí)獲得分布式的特性。由于該算法為分布式而非集中式算法，它是全局算法的分布式 實(shí)現(xiàn)，因此該算法適合應(yīng)用于具有分布式特點(diǎn)的傳感器網(wǎng)絡(luò)；該算法無論是時(shí)間復(fù)雜度還 是空間復(fù)雜度，均與網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)成線性關(guān)系，因此，提取骨架需要的數(shù)據(jù)包和網(wǎng)絡(luò)延遲不會(huì) 因?yàn)閭鞲衅骶W(wǎng)絡(luò)的節(jié)點(diǎn)數(shù)增加而影響性能，因而具有良好的可擴(kuò)展性；同時(shí)，該算法可W根 據(jù)線骨架點(diǎn)重要度的臨界值來隨時(shí)生成不同尺度的線骨架，與W往算法相比，對(duì)邊界噪聲 的控制更加靈活，且該算法能同時(shí)應(yīng)用于二維與=維傳感器網(wǎng)絡(luò)的線骨架提取。
【附圖說明】
[0019] 圖1是本發(fā)明二維與=維傳感器網(wǎng)絡(luò)線骨架的通用提取方法流程示意圖；
[0020] 圖2是本發(fā)明實(shí)施例中S維傳感器網(wǎng)絡(luò)模型示例圖；
[0021] 圖3是本發(fā)明實(shí)施例中S維傳感器網(wǎng)絡(luò)內(nèi)部節(jié)點(diǎn)的特征點(diǎn)示意圖；
[0022] 圖4表示圖3中的特征點(diǎn)形成的幾何測地最短路徑示意圖；
[0023] 圖5是本發(fā)明實(shí)施例中S維傳感器網(wǎng)絡(luò)中識(shí)別的膨脹路徑示意圖；
[0024] 圖6是本發(fā)明實(shí)施例中=維傳感器網(wǎng)絡(luò)中非線骨架點(diǎn)的特征點(diǎn)所形成的膨脹路 徑示意圖；
[0025] 圖7是本發(fā)明實(shí)施例中S維傳感器網(wǎng)絡(luò)線骨架樹示意圖；
[0026] 圖8是本發(fā)明實(shí)施例中S維傳感器網(wǎng)絡(luò)的優(yōu)化骨架示意圖；
[0027] 圖9是本發(fā)明實(shí)施例中在二維傳感器網(wǎng)絡(luò)中提取的骨架示意圖；
[002引圖10是本發(fā)明實(shí)施例中重要度臨界值取0. 1時(shí)的S維傳感器網(wǎng)絡(luò)優(yōu)化骨架示意 圖；
[0029] 圖11是本發(fā)明實(shí)施例中重要度臨界值取0. 2時(shí)示例的=維傳感器網(wǎng)絡(luò)優(yōu)化骨架 不意圖。
【具體實(shí)施方式】
[0030] 為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，W下結(jié)合附圖及實(shí)施例，對(duì) 本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用W解釋本發(fā)明，并 不用于限定本發(fā)明。此外，下面所描述的本發(fā)明各個(gè)實(shí)施方式中所設(shè)及到的技術(shù)特征只要 彼此之間未構(gòu)成沖突就可W相互組合。
[0031] 本發(fā)明所應(yīng)用的傳感器網(wǎng)絡(luò)僅僅利用了傳感器間的連接信息，我們利用現(xiàn)有文獻(xiàn) 中的方法識(shí)別出網(wǎng)絡(luò)邊界，因此可W假定傳感器網(wǎng)絡(luò)的邊界信息已知。 陽0巧圖1是本發(fā)明方法流程示意圖，包括W下步驟：
[0033] 步驟1.識(shí)別特征點(diǎn)和擴(kuò)展特征點(diǎn)
[0034] 對(duì)每個(gè)內(nèi)部節(jié)點(diǎn)，為識(shí)別其特征點(diǎn)，邊界節(jié)點(diǎn)首先在網(wǎng)絡(luò)內(nèi)部進(jìn)行一次洪泛，每個(gè) 內(nèi)部節(jié)點(diǎn)將來自最近邊界點(diǎn)的洪泛信息進(jìn)行轉(zhuǎn)發(fā)，最終，每個(gè)內(nèi)部節(jié)點(diǎn)將其特征點(diǎn)記錄下 來，并從屬于W其中一個(gè)特征點(diǎn)為根節(jié)點(diǎn)的邊界樹。由于傳感器網(wǎng)絡(luò)的離散性，在稀疏網(wǎng)絡(luò) 或者網(wǎng)絡(luò)寬度為偶數(shù)跳的網(wǎng)絡(luò)中，有些真實(shí)線骨架點(diǎn)可能識(shí)別出的特征點(diǎn)數(shù)較少，導(dǎo)致特 征點(diǎn)間的測地最短路徑不能對(duì)邊界進(jìn)行分割，W至于不能被正確識(shí)別出來。為此，如果某個(gè) 內(nèi)部節(jié)點(diǎn)距離最近邊界點(diǎn)的跳數(shù)為k，則把距離該內(nèi)部節(jié)點(diǎn)k+1跳的邊界點(diǎn)也看作為特征 點(diǎn)，稱運(yùn)樣的特征點(diǎn)為擴(kuò)展特征點(diǎn)。基于運(yùn)些識(shí)別的特征點(diǎn)，下面著重講述如何在=維傳感 器網(wǎng)絡(luò)中識(shí)別線骨架點(diǎn)。
[0035] 圖2為實(shí)例應(yīng)用的傳感器網(wǎng)絡(luò)示意圖，圖3顯示了一個(gè)內(nèi)部節(jié)點(diǎn)的特征點(diǎn)。
[0036] 步驟2.識(shí)別線骨架點(diǎn)
[0037] 本發(fā)明中的線骨架點(diǎn)，指的是其特征點(diǎn)間的幾何測地路徑形成一個(gè)特征環(huán)，可W 將網(wǎng)絡(luò)邊界劃分為多個(gè)連通分量。對(duì)每個(gè)邊界樹上的葉子節(jié)點(diǎn)，讓其特征點(diǎn)發(fā)起限制性洪 泛來構(gòu)建一個(gè)或多個(gè)由特征點(diǎn)構(gòu)成的連通分量，稱為特征連通分量，并為每個(gè)連通分量分 配一個(gè)唯一標(biāo)識(shí)符。為把運(yùn)些特征連通分量連接起來，W判斷是否存在特征環(huán)形，每個(gè)特征 點(diǎn)P發(fā)起一條包含其連通分量標(biāo)識(shí)符的廣播信息，若=維網(wǎng)絡(luò)中節(jié)點(diǎn)P的某鄰居邊界點(diǎn)q 或二維網(wǎng)絡(luò)中節(jié)點(diǎn)P的任意鄰居點(diǎn)q尚未分配標(biāo)識(shí)符，則q點(diǎn)將被分配與P相同的連通分 量標(biāo)識(shí)符；重復(fù)該過程，直至兩個(gè)具有不同標(biāo)識(shí)符的邊界點(diǎn)相遇。運(yùn)就W分布式方式建立起 了特征