二维灰度图像的分形维数计算

分析了当前计算图像分形维数的算法普遍存在对高维数图像计算误差较大且计算量大的缺点。结合计盒维数算法的原理,给出一种新的盒子边界。理论和实验证明,该算法较Chaudhuri和Sarkar给出的经典边界选取在准确性和实时性上都有所改进。     

基于分数盒维数的快速分形图像编码

分形图像编码是一种很有前途的压缩技术,但编码时间长阻碍了它的广泛应用。分形编码的时间主要花费于在一个海量码本中搜索每个输入子块的最佳匹配块。针对这个问题,提出了一种快速分形编码算法,它基于图像块的分数盒维数特征,能够在较小的搜索范围内完成输入子块的最佳匹配。实验结果显示,该算法能够大大缩短编码时间,同时实现和全搜索分形编码算法相同或更好的图像质量。     

一种基于分形维数的图像相似性检索特征

本文描述了一种采用小波包分解子带图像分形维数作为图像纹理特征进行图像相似性检索的方法。首先对图像进行小波包分解。每一个子带图像的分形维数构成图像的特征向量用于图像的相似性检索。实验表明,该方法计算速度快。在特征向量维数极少的情况下,该特征对于描述方向性和结构性较好的纹理具有良好效果。     

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。     

基于布朗曲面模型的图像分形维计算方法

针对差分盒维数DBC(differential box counting)算法中空盒子对计算图像分形维数的影响,分析了DBC算法和其一种改进算法最小盒维数计算方法MBC(minimum box counting)剔除所有空盒子的不足,提出了一种新算法——真实差分盒维数算法ADBC(actual differential box-counting),将差分盒方法中存在的空盒子分为真实空盒子和潜在盒子。在计算盒子数量时,引入图像分形布朗曲面模型,通过模拟图像差分盒子覆盖真实事物(极限分辨率的图像)的情况,结合DBC算法和MBC算法寻找空盒子为潜在盒子的期望,用期望的形式最大程度求出基于图像和分形布朗模型的精确盒子数。实验结果表明,该方法使分形维数计算精度得到了明显提高。     

一种基于图嵌入维数约简的图像检索方法

通过将维数约简技术引入检索过程,提出了一种基于图嵌入维数约简的图像检索新方法。通过构建邻接图,引入监督信息,使得图像检索过程成为有粗糙监督的学习过程。降低特征向量维数,不仅节约存储空间,而且由于在目标函数的指导下,特征空间得到优化,从而提升了图像检索的性能。     

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。     

基于位平面颜色直方图的图像检索新方法

为了解决现有颜色直方图检索技术所存在的鲁棒性较差、特征维数过高等问题,本文提出了一种基于位平面颜色直方图的图像检索新方法.该方法首先结合噪声攻击特点(对高位影响较小),提取出重要的位平面图像并确定其视觉权值;然后构造出位平面图像颜色直方图;最后以位平面图像颜色直方图为特征,计算图像间内容的相似度并进行检索.仿真实验表明,本文方法不仅能够准确检索出用户所需图像,而且对光照、锐化、模糊等噪声攻击均具有较好的鲁棒性.     

基于颜色-空间的二维直方图的图像检索

该文章中提出了一种基于颜色-空间直方图的图像检索方法。该检索方法是在传统颜色直方图的基础上,对图像进行分块处理,并给出了相应的图像颜色特征值的相似度算法,从而明显提高了检索的精度。     

基于分形维数的白细胞图像特征提取研究

为了开发骨髓细胞涂片中白细胞的自动分类及计算机辅助诊断系统,基于分形理论提取了不同类型白细胞的分形维数.首先通过计算原始图像和特征灰度图像的分形维数实现第一次的粗分类提取,然后采用多重分形奇异谱方法进一步完成了细分.识别结果表明,经过两次分类提取获得了较准确的白细胞分类信息,该方法是有效的、可行的.     

基于分形理论的声纳图像识别

为了解决声纳图像分类较困难的问题,提出一种基于分形理论的声纳图像识别方法。针对传统的分形维数作为图像纹理特征表示时缺少图像分布特征的不足,引入了多重分形的概念和广义维数,并对原图像和灰度差分图像重新提取了图像的纹理特征。通过对声纳图像的分类实验,结果证实该方法行之有效。     

一种基于 MAD 的鲁棒性分形维数计算方法及图像识别应用

传统鲁棒差分盒计数法（ RDBC）已成功用于高斯噪声图像的分形维估计,但由于对椒盐噪声较敏感,因此不再适用于椒盐噪声图像的分形维估计和图像分类。本文提出一种基于中值绝对偏差（MAD）的分形维数计算方法（MAD-DBC）。该方法利用MAD进行差分盒计数,对椒盐噪声具有很好的鲁棒性特点。实验结果表明,利用小波多分辨率的DBC、RD-BC和MAD-DBC对椒盐噪声的16种Brodatz纹理图像进行分类,MAD-DBC具有更高的识别率和更好的噪声鲁棒性。     

快速的分形码图像检索方法

针对分形域上的基于内容的图像检索(content-based image retrieval,CBIR),提出了一种新颖的基于无搜索的自适应四叉树分割的快速分形编码方法,来提取图像特征,从而使图像检索的编码阶段速度显著提高。对一幅256×256图像编码,算法平均约需0.0485s,比何的方法约快70倍,并且解码图像质量良好。改进了匹配算法来实现图像的快速检索,其准确性要高于洪的方法;最后通过对分形码距及分形码块数的分析,提出了进一步提高检索速度的方案。     

利用小波分解和分形维数进行声纳图像识别

以分形维数和多重分形的概念为基础,通过计算原图像和灰度差分图像的分形维数和多重分形维数,形成了纹理特征集的第一部分;然后对声纳图像采用树式结构小波变换,将小波变换各个频带输出的熵作为纹理分类的特征,并根据特征本身的离散程度对其进行规范化处理,构成了纹理特征集的第二部分;最后将这两部分组合,对不同信噪比的声纳图像进行分类识别．识别结果表明,文中方法的识别率可达到90％以上．     

基于边缘特征的图像检索

颜色、纹理和形状等特征已经在基于内容的图像检索(content-based image retrieval，CBIR)中得到广泛的采用，但边缘特征却没有得到应有的关注。在已有算法的基础上，文中提出了一种综合利用边缘幅度直方图和边缘角度直方图进行图像检索的新算法。实验结果证明，该算法能够有效地提高算法的检索精度。     

一种基于分形特征的图片分类算法

图片分类可用作图像搜索引擎的预滤波,以降低图像检索时的图像匹配数量,提高检索速度。本文提出了一种基于分形特征———局部分维数变化率(LFDS)的图片分类算法,该算法不需要任何的图像先验知识,仅利用分形特征就可将自然景物的照片和人工绘制/计算机生成的图形区分出来。系统随机测试了445幅大小从192×128到2012×3094不等的图片,该算法对图形库的分类准确率为91·71%,图像库分类准确率为85·25%,实验结果证明了该算法的快速和有效性。     

基于二值信息的颜色和形状特征的图像检索

由于单一特征不足以准确地描述图像,提出了一种结合颜色、形状特征的图像检索方法.提出了新的用二值信息来表示图像的主色、全局色和形状特征的方法,并由此特征构造两个过滤器快速地过滤图像库中明显不相同的图像,以提高检索速度;采用改进的颜色直方图和形状基本特征进行相似度计算,为进一步提高图像检索的质量引入相关反馈机制,提出了一种动态调整两幅图像相似度中颜色特征和形状特征的权值系数的方法.文中方法与其它方法进行了比较实验,结果表明,该方法优于其它方法.