基于分形的图像分析方法综述

根据分形擅长描述自然不规则物体对象的特点，论述了盒维、FBR模型和LIFS分形编码等基于分形理论的图像分析原理和方法，讨论了国内的研究情况。从相应的研究得知，利用图像的分形维数特征，进行边缘检测和纹理分割，是可行和有效的。     

多灰度层次图像的的快速模糊边缘检测算法

模糊边缘检测算法一般是在某个灰度级附近的边缘得到增强的同时，其他一些边缘会受到抑制。为了同时增强图像中不同灰度层次的边缘信息，本文提出一种改进的快速模糊边缘检测算法。利用边缘的一般特征和图像中邻域像素的关联性，根据不同的灰度区域自适应地选取算法参数，用于对多灰度级边缘的图像进行边缘提取。本文算法简洁合理，可以检测到不同灰度层次的边缘，而且速度较快。     

基于多重分形的烟雾图像边缘检测研究

对摄像机拍摄的爆炸图像进行识别,采用多重分形频谱分析的方法对爆炸产生的烟雾进行边缘检测。针对爆炸产生的烟雾图像存在图像存在边缘模糊,形状不确定,具有扩散性等特点,本文对提出了一种基于多重分形的烟雾图像边缘监测方法.实践证明该方法能更好的提取烟雾形成早期的各种特征。     

基于迭代分形解码和边缘扩展的图像修复算法

根据分形码的高压缩性,提出一种基于迭代分形解码和边缘扩展的图像修复算法。在信息嵌入阶段,运用1-D变换算法、2次推操作和换操作获取索引表,对照索引表将分形码和奇偶校验码存入图像的最低2位有效位中。在图像修复阶段,对接收到的图像进行3层篡改检测,迭代地采用提取的有效分形码和边缘扩展算法对篡改图像进行修复。实验结果表明,该算法能够获得较好的图像修复效果。     

改进多重分形法的环境图像边缘检测

分形是最接近自然的算法,广泛应用于生活各个领域。研究发现简单的分形算法能很好地处理图像信息,但精确度有所欠缺。为了提高图像精确度,我们运用多重分形,使得处理的效果更好。由于环境的复杂度、难识别,现实中人们对环境图像的处理很少。介绍实现对多重分形理论算法分析,通过改进的多重分形法对图像边缘检测处理,运用传统的边缘检测算法、毯子法、多尺度盒维数、多重分形法进行实验比较,最后再运用中值滤波处理,得到改进多重分形处理的精确度高、速度快、效果好,适合对复杂的环境图像处理。     

基于边缘自相似特征的遥感图像边缘检测算法

据分形理论可知，物体或物体各组成部分的边缘应具有自似性，图像边缘上的像素应具有较大的灰度化值和自相似系数。本基于这种思想，提出了一种结合边缘自相似特征和图像灰度梯度变化进行边缘检测的新算法，并利用该算法对试验图像进行了边缘检测试验。试验结果表明，该算法有效地提取图像边缘，且对含有噪声的遥感图像仍能提取较为丰富的边缘细节，具有一定的抗噪声性能。这对于含有噪声的遥感图像边缘所取与检测，尤其是雷达遥感图像，具有一定的实用价值。     

电力巡检场景下的红外与可见光图像配准方法

电力设备故障会导致停电事故,影响电网的安全稳定运行。根据电力设备运行时会产生热量的特点,提出一种电力设备的红外与可见光图像配准方法,便于进行异常发热故障检测。首先通过Sobel边缘检测算子提取电力设备的红外与可见光图像的边缘信息,得到边缘图像;然后通过SuperPoint算法检测2幅边缘图像的特征点并计算描述子,利用SuperGlue算法对特征点进行匹配;最后通过最小二乘法计算仿射变换模型参数,实现电力设备的红外与可见光图像配准。实验结果表明本文方法能够对电力设备的红外与可见光图像进行高精度的配准。     

基于分形理论的路面裂缝图像分割研究

针对路面状况摄像检测过程中路面裂缝的图像分割问题,提出运用分形理论进行图像分割的方法.该方法根据路面裂缝图像的自相似性,通过对路面裂缝的分形特征进行聚类分析来识别图像的边缘.实验证明,该方法能够快速精确的实现路面裂缝图像分割.     

分形特性角度定位研究

提出一种将分形理论用于PCB图像定位的新方法，以PCB上的矩形定位标志图像为研究对象，分析其边缘特征，结果表明图像边缘具有典型的分形特性；用去除边缘异常噪声加补偿的方法对图像边缘进行处理，消除噪声对图像边缘对应的分形曲线特性的影响，得到较精确的边缘分形曲线形维数；推导出图像转动角度与图像边缘分开曲线分形维数的理论关系式，根据边缘曲线的分形维数精确地得到了目标图像的转动角度，解决了PCR板的精确，快速角度定位问题。     

基于加权方差的煤矸石X射线图像分形维数最优估计算法

传统方法对于煤矸石X射线图像分形维数估计存在单层次缺陷,提出了基于加权方差的煤矸石X射线图像分形维数最优估计方法。由局域窗口特征检测方法获取图像的二维边缘像素特征分量,取其最大值构成图像采集的像素特征量,实现对图像的特征分解。在此基础上,提取二值化图像边缘轮廓特征量,采用包络轮廓线分割方法超分辨融合煤矸石X射线图像,建立煤矸石X射线图像的模板匹配模型。采用多层次纹理重建方法,获取图像的活动轮廓多层次分布集,结合加权方差获取图像方差和标准差,将图像的分形维数估计方差和标准差输入图像的相关性检测模板匹配函数中,进行图像分形维数最优估计。仿真结果表明,采用该方法进行煤矸石X射线图像分形维数估计的精度较高,自适应性较好,提高了煤矸石X射线图像的识别和检测能力。     

基于自适应噪声闭值的EMD域多尺度边缘提取

为了利用经验模式分解(EMD)方法对具有不同信噪比的信号提取边缘信息,提出一种采用中位数绝对离差方法来佑计噪声阂值的EMI)域多尺度边缘提取算法。该算法首先采用EMD方法求得各尺度残余分量的抖率信号;其次采用阂值化方法去除斜率信号中的噪声,其中噪声阈值采用中位数绝对离差方法求得;最后经空间一致性检验,输出信号的边缘信息。仿真实验结果显示,基于自适应噪声阂值的EMD域多尺度边缘提取可以准确提取信号边缘信息,同时抑制噪声信号。     

基于相似性噪声检测的边缘保护滤波算法

为了改善受脉冲噪声污染的图像的滤波效果,提出了一种新的滤波算法。该算法包括3个阶段,首先,利用像素点之间的相似性来检测图像中受噪声污染的像素点;然后,将滤波窗口分为8个主要方向来确定边缘方向;最后,针对噪声点进行边缘保护滤波。实验结果表明,在噪声污染度较小的情况下,该算法不仅能准确地检测出噪声点,而且更多地保护了噪声图像的边缘部分以及非噪声点,具有良好的滤波效果。     

甲骨拓片字形图像复原方法

提出了一种基于自适应阈值和分形几何的甲骨拓片字形图像复原方法。文章分析了甲骨拓片噪声的特点以及字形图像边缘的分形特征,通过计算自适应阈值对噪声区域进行填充。采用统计的方法计算甲骨拓片字形图像边缘的分形维数特征,对字形图像边缘进行压缩变换,进而对甲骨拓片字形图像边缘进行平滑。实验结果显示,这一方法的图像复原效果是比较明显的。     

B样条函数的图像分割分水岭算法研究

针对传统分水岭算法存在的过分割和对噪声敏感问题,提出了一种能够很好地抑制噪声,剔除图像的伪边缘、准确定位图像边缘信息的方法.采用高频强调滤波对梯度图像进行增强,利用B样条函数对增强后的图像进行多次拟合,最后对拟合的曲面进行分水岭分割.实验结果表明,通过该方法处理的梯度图像再进行分水岭变换,有效避免了过分割问题,同时准确定位了图像边缘信息,提高了分割精度.     

基于模糊增强的小波多尺度边缘特征提取

分析了当前Pal. King模糊边缘检测算法缺点,结合其思想提出一种新的较好的改进方法;该算法采用新的隶属函数,能简化运算提高速度;运用最大均方差法能自适应求解分割阈值;利用小波变换良好的局部性能和多尺度分析特性,能较完整地提取边缘信息,并且具有较强的抑制噪声能力;实验证明该方法能准确检测图像中的目标边缘,较好地保持目标边缘的连通性,边缘提取清晰,细节丰富,抗噪性强。     

基于数学形态学的自适应边缘检测新算法

考虑到在形态学中,不同形状的结构元素和不同尺度的元素在去噪声和保持图像细节方面的作用是不同的,提出了一种基于多结构多尺度自适应形态边缘检测算法。对一般边缘检测算子做了改进,增加了边缘细节信息。通过计算检测后的边缘信息熵,自适应确定权值系数。将多结构元素检测的边缘和多尺度元素检测的边缘做融合处理,得到最终的图像边缘。实验结果表明,与几种经典边缘检测算法相比,所提出的算法能有效地抑制图像的多种噪声对边缘检测的影响,较好地保持图像边缘细节,自适应提取完整连续边缘。     

基于遗传算法和梯度算子的图象边缘检测

图象边缘检测是计算机图象处理的最基本步骤之一。由于噪声的干扰和图象光照不均匀等因素的影响,目前的图象边缘检则方法还不能有效地检测出各种不同模式的边缘。在分析了几种常用边缘检测方法及其存在的检测精度不高,抗噪声性能较差等不足基础上,给出了一种基于遗传算法和梯度算子的图象边缘检测算法,该算法明显提高了检测精度和抗噪声能力。     

分形理论在焊接图象处理中的应用

针对焊接过程中的图象处理问题，如检测焊缝边缘位置和确定焊接熔池的边缘大小和形状等问题，由于传统图象处理方法易受噪声和其他干扰信息的影响，因此很难准确及时地处理图象，为了克服此弱点，在比较了焊接过程中图象处理的微观算法和宏观算法的基础上，提出了运用分形理论的综合图象处理方法，该方法是根据焊接过程图象的特点，首先利用图象边缘的分形特征来进行区域分割，以便检测出图象边缘所在的模糊区域，然后用边缘检测方法的Laplace算子和最小二乘法拟合曲线来识别出图象的边缘，同时用该方法进行了实时焊接图象处理实验，实验结果证明，该方法不仅能准确识别出焊接焊缝或熔池图象的边缘，而且节省了图象处理的时间，为焊接过程的实时控制提供了可靠的信息。     

基于自适应方向导数滤波器的彩色边缘检测

传统彩色边缘检测算法在提高边缘检测准确性时可能将噪声检测为边缘,而在提高噪声鲁棒性时会将部分边缘当作噪声进行抑制,导致部分边缘信息丢失。为解决传统彩色边缘检测算法在边缘检测准确性与噪声鲁棒性之间的矛盾问题,提出一种基于自适应各向异性高斯方向导数（ANDD）的彩色边缘检测算法。通过彩色图像的微分自相关矩阵构建反映边缘类型的度量准则,以自适应地确定每个像素处ANDD滤波器的形状,从而准确提取不同类型的边缘特征,采用ANDD滤波器组对图像进行平滑处理,提取在三个通道上的ANDD特征。在此基础上,利用奇异值分解得到最优融合权值,并融合三个通道的ANDD特征,以增强彩色边缘强度。实验结果表明,该算法在无噪声和含噪声环境下的Pratt品质因子分别为0.849 6和0.791 4,与彩色Canny、RCMG-MM和FRPOS算法相比,在保持较高边缘检测准确率的同时具有较优的噪声鲁棒性。