基于分形特征的复杂环境目标检测方法研究

针对复杂的自然背景下的运动目标检测,提出了一种基于分形特征的运动目标检测算法;该算法利用目标的分形维数与自然背景分形维数的差异将目标从背景检测出来;首先应用改进的地毯覆盖法快速得到图像的分形维数,然后通过比较邻域之间分形维数的相互关系进行目标检测;实验结果表明,该方法能对复杂背景下的运动目标进行检测,由于采用分块求分形特征的方法,能有效地减少搜索目标所带来的计算量,算法过程简单、检测速度快、检测结果精确,目标与背景对比度的变化对检测结果几乎没有影响,且噪声对该算法的检测结果影响较小;在运动目标实时检测问题上有着很好的实用价值和应用前景。     

基于分形维数的图像分割研究

本文在分形图象模型研究基础上，采用离散分形布朗增量随机场。通过撮特性参数－Ｈ值，方差，平均灰度值，然后结合传统的聚类分割技术，实现图象分割。在对自然背景中的人造物体图象和金相图的实验结果表明，分割效果良好，且抗噪性能较强。     

基于分形和分水岭的图像分割方法

图像分割是一种重要的图像处理技术,也是计算机视觉领域低层次视觉中的主要问题,同时它又是一个经典难题.提出了结合分水岭分割与图像分形维数的一种新方法用于对自然背景下人造目标的提取.实验结果证明,该方法能有效抑制自然背景,并提取出人造目标的轮廓.     

一种基于数学形态学的分形维数估计方法

对于分形维数的估计是基于分形理论的纹理图像分割算法中最重要的环节。由于使用固定划分的规则网格，常用的基于盒计数的分形维数估计算法及其各种改进方法的误差较大；而传统的形态学维数估计算法虽然在准确性上有一定提高．但其时间复杂度偏高。为此提出了一种基于可变结构元的数学形态学分形维数估计方法(VSEM)。该方法将灰度图像视为一个三维空间中的曲面，使用一组不同尺度的结构元分别度量该曲面．根据度量结果与尺度之间满足的指数率来估计图像表面的分形维数。通过恰当的选择结构元和使用递推技术得到不同尺度下的膨胀结果，新方法成功地弥补了现有算法的不足。本文使用了一组合成纹理和一组自然纹理来评估几种常见的分形维数估计算法。结果显示，本文提出的新方法能够在较小的时间复杂度下，得到更为精确的估计结果。最后，将该方法应用于遥感图像的分割。与其他常用的分形分割算法相比，使用该方法估计的分形维数和图像的临域均值作为特征能够得到更好的分割结果。在对比分析和分割实验中表现出的良好性能说明本文提出的分形维数估计算法可以有效地应用于纹理图像分割。     

一种新的基于分形特征的目标检测算法

文章提出了一种基于分形特征的目标检测算法。该算法考虑了邻域、或局部范围内的多尺度分形特征,因而能够较为准确地对目标进行检测。仿真研究也表明了该算法的可行性和有效性。     

基于分形特征的自然景物图象分割方法

提出了一种基于分形特征分割自然景物图象的方法。分割的主要目标是找出景物中的人造物体。首先构造了一组分形纹理特征,给出了图象不同部分的粗糙度及纹理基地大小、方向特性的描述,以此为基础进行图象分割。此外,通过对盒维数方法中的参数拟合性能的分析,对维数估计方法进行优化,理论和实验表明,在自然环境中,该方法能够区 的纹理区域及人造目标,达到满意的分割结果。     

基于分形特征纹理图像分割方法

基于地毯法估计分形维数,提出了图像局部分形维数的最优估计方法。然后利用边缘信息和区域增长的方法,对自然场景的分形维数图像进行分割。仿真实验表明该方法分割效果很好,优于基于Hurst变换分割方法。     

基于模糊多重分形特征的人造目标检测

图像灰度的奇异性和多重分形谱特征反映了图像内容的不同属性,并且可以用于在自然背景下对人造目标的检测。基于图像的多重分形谱,多重分形征和多重分形符合误差特征进行了模糊化处理,并且通过对80幅模拟图像的处理和分析获得了两个特征的模糊成员函数,提出了多传感器模糊特征综合函数和判别准则,对80幅样本图像进行目标检测的正确概率可以达到近90%。     

基于分形理论的空间目标图像分割算法

针对像素邻域灰度方差和分形维数提出了一种空间目标的图像分割算法.首先针对空间目标自然背景的特点,从分形理论的相似性上对云背景进行分析,提出了衡量灰度变化程度的指标像素邻域灰度方差,进而建立与灰度图像对应的像素邻域灰度方差图,实现了目标边界奇异性的增强.其次,在对阈值和方差图分形维数关系分析的基础上,提出了灰度方差的阈值选择方法进行仿真,最后给出空间目标图像分割算法的流程,仿真结果验证分割算法是有效的.     

基于DFBIR场的分形法与织物疵点检测

本文用ＤＦＢＩＲ场作为图像处理的模型，通过分形维数等特征参数的提取、Ｋ－ＭＥＡＮＳ法的聚类，将织物图像分割，达到织物疵点检测的目的。     

基于图像分形分割的麦穗粒数计算方法

针对小麦育种中小麦单穗粒数品质测定的问题,本文提出了一种基于图像分形分割的麦穗粒数计算方法.首先,利用分形几何中分数维概念,计算图像分形维数作为像元特征,根据像元特征选定一个适当的阈值分割麦穗图像;然后通过分析分割图像的行像素的灰度特征,计算麦穗与图像竖直方向的倾角,按此倾角旋转麦穗图像使麦穗处于图像竖直方向,得到旋转后的麦穗角度矫正图;最后,根据矫正图像的列数据波形特征计算麦穗粒数.实验证明该方法比传统测量方法流程更简洁,准确率更高,计算速度更快,可用于小麦育种中穗粒数测定.     

基于分形维数的纹理图像分割

纹理图发割过程一般分为特征抽取和特征划分,文中提出一种新的基于分形维数的纹理图像分割方法,在特征抽取上,以分形作为纹理特征,运用图像变换的思想,结合差分盒计数和基于分形布朗自相似模型的分形估计方法。     

基于分形特征的二值图像检索方法的研究

论述了基于分形特征的二值图像检索方法。图像的内容由4种特征来描述:图像分形维数、图像分形矢量、边界分形矢量和骨架分形矢量。实验表明该方法计算简单、有效,匹配快速,检索结果比较理想,只要查询图像在图库中,就一定能通过该方法检索出来。另外,该方法还具有一定的鲁棒性,证明这种检索方法是具有较大实用意义的。     

基于分形特征的水声目标信号分类识别

在水声信号的研究中,应提高准确性.由于水声信号不具有严格的线性区域,过去直接对近似线性区域进行最小二乘拟合求得分形维数误差较大,不利于信号的识别.为解决上述问题,在分形布朗运动的基础上,提出采用水声目标信号近似线性区域进行了分段处理,运用最小二乘拟合求得各段的分形维数,并将各段的分形维数作为目标信号的特征矢量,进而以BP神经网络作为分类器进行目标的分类识别.实测目标的分类结果表明,上述方法提高了分形维数的稳定性,为水声目标信号的检测和识别提供良好的理论依据,并给出了具体的算法的步骤.     

基于分形的水声图像目标探测

针对水声图像中人造物体的探测问题，给出了一种基于分形分析的方法，由于分形模型可以较好地模拟自然物体，而与人工物体存在较大差距，所以以其为主要特征可以准确地将人造物体从自然背景中探测出来。本文讨论了分维的提取方法，根据分形特征将水声图像标记为人造目标区域和非人造目标区域，并对一定噪声干扰下该方法的应用进行了研究，给出了相应的实验结果。实验结果表明，分形特征可以实现人造目标和自然物体的分类，并具有一定的抗噪声性，适宜对水声图像中的目标进行探测和识别。     

图像分形维数计算技术

在分形科学的研究中,分形维数的求取方法一直是人们所关注的,本文基于目前常见的图像分形维数的求取方法,对各种方法的计算量,适用范围进行分析和比较,给出推荐模型。     

基于分形维数和多目标遗传算法的特征选择

在文本分类系统中,特征的优劣往往极大地影响着分类器的设计和性能。提出一种利用分形维数和带精英策略的非劣支配排序遗传算法进行特征选择的方法。在该方法中分形维数作为特征选择的一个评价机制,利用NSGA-II算法将特征子集选择问题视为多目标优化问题来处理。为了分析结果的有效性,利用SVM分类算法对复旦大学语料库进行测试。实验结果表明该方法具有较好的性能,它可以有效去除无效特征并提高分类准确性。     

CT图像的分形特征和Facet边缘检测

Facet模型能够获得准确的图像边缘信息,但运用Facet模型对目标进行分割时,时间复杂度比较高。针对该问题,从CT图像目标特征的角度,将分形维数特征引入Facet模型。首先利用图像边缘分形维数较大的特点,获得大致的边缘候选点,然后对边缘候选点集运用Facet模型进行分割,得到边缘点的准确位置。实验结果表明,该方法不仅能获得准确的边缘,而且提高了处理速度。     

基于系数关系和分形维数的隐藏算法

提出了一种基于系数关系和分形维数的信息隐藏算法，该算法将原始载体图像分割成固定大小的图像块，利用分形维数与图像之间的关系确定每个图像块的特点，结合人类视觉系统（HVS）的特性，选择代表边缘和纹理特征的图像块，对它们进行离散余弦变换，将信息嵌入到变换系数的关系中，隐藏的信息可以是字符序列，数字序列，文本文件，二值图像，灰度图像以及彩色图像等，实验结果表明该算法透明性好，保密性高，对几何攻击，滤波，噪声和压缩等处理具有一定的稳健性。     

基于分形理论的声纳图像人造目标检测算法

声纳图像中人造目标的自动检测是当前水下探测领域需要重点解决的问题之一。传统的基于目标回波信号强度的检测方法在海底存在岩石等类似于水雷等人造目标的情况下,常会导致较高的虚警率。由于人造目标和自然背景之间的纹理特性的不同,自然背景一般具有较复杂的纹理,而人造目标形状规则、表面光滑、纹理简单。利用分形模型中分形维数特征、截距特征、分形拟合误差特征以及多尺度分形特征进行声纳图像人造目标检测,仿真实验表明基于分形的检测算法可较好地实现人造目标和自然背景的分离,从而为成像声纳水下探测技术的进一步发展奠定了基础。