一种红外图像的形态学分形维数估计算法

分形模型是一种适合于描述具有复杂和不规则形状研究对象的数学模型.自从Mandelbrot将抽象的分形概念和现实世界中的许多自然现象联系起来以后,分形的概念和理论已在相当多的科学研究领域得到了应用.本文在形态学领域研究了分形维数的估计方法.根据分形维数估计方法与形态学梯度的关系,研究了形态学分形维数估计的数学模型,进而提出了一种红外图像分形特征的估计算法.与传统的估计算法相比,该算法准确性高,运算速度快,为实时图像分析提供了一种有效的方法.     

基于分形特征的红外图像识别方法

文中首先对红外图像进行预处理,然后根据分形理论提取了红外图像的９种分形特征,用神经网络进行目标识别。这９种分形特征包括基于分形维数的特征,基于Ｈｕｒｓｔ指数的分形特征和基于缝隙的分形特征。最后进行了计算机仿真实验,实验表明基于分形特征红外图像识别方法是可行的,并取得了较好的结果。     

基于海杂波分形特性的目标检测新方法

为克服海杂波分形维数值估计需要较长的数据长度的缺陷,提出了基于扫描间积累的分形维数值估计方法.首先研究了几种常用的分维值估计方法,从分维值的定义出发证明了分段分维估计方法与连续数据估计方法的等价性,然后通过迭代算法求得分形维数估计值.仿真结果表明提出的方法降低了对雷达驻留时间的要求,并且具有较小的运算量,提高了微弱目标的检测性能.该方法可以用于岸基对海雷达检测海表面微弱目标.     

基于分数布朗运动模型的激光雷达目标检测

研究和分析了激光雷达目标回波与杂波背景的分形特性,以分数布朗运动(FBM)数学模型为基础,通过对不同信噪比(SNR)激光雷达回波的分析,初步证明了激光雷达回波具有布朗运动的特征。针对激光雷达杂波数据具有布朗运动的增量统计自相似性,激光雷达杂波能与分数布朗运动较好地匹配,因此可以采用布朗运动模型对激光雷达回波数据进行分析处理。当信噪比比较低时,杂波和含有目标的回波信号的分形维数比较接近,发生重叠,单靠单一的分形维数无法检测出目标。针对这一问题,分析杂波和目标信号在不同尺度上的分形维数,提出基于不同尺度分形维数的变化特征进行目标检测的算法,即基于多尺度分形维数的目标检测算法。理论分析和实验结果表明该方法具有较高的可靠性和准确性。     

基于短时分形维数的信号滤波方法

本文基于分形理论中的分数维概念，结出了复杂时间序列的短时分形维数概念，提出了一种新的滤波方法即基于短时分形维数的模糊控制滤波方法。仿真结果表明，该方法滤波效果良好，可应用于复杂信号的滤波。     

实测海杂波无标度区间自动提取的一种改进方法

多重分形是一种有效的海杂波中微弱目标检测方法,但无标度区间的确定仍没有很好解决。本文对单一分形的无标度区间的自动识别方法进行改进和推广,既保留了原方法的客观性,又降低了它的保守程度,使估计的区间更接近真实无标度区间,同时实现了对多重分形特征——广义维数谱的自动提取。实验表明,本方法能够对维数进行精确而稳定地估计,改进效果显著。     

一种新的分形特征方法及其在目标检测中的应用

文中提出了一种新的求解分形维数的方法,并利用目标分形特征和背景相比突变较大的特点把这种方法用到了目标检测当中,实验结果表明该方法简单易行、检测结果精确.     

一种新的语音增强方法研究

在研究语音分形维数的基础上，提出一种新的基于分形理论的语音信号增强方法。该方法根据带噪语音信号及子波重构之后的分形维数不同，对语音信号的模糊控制参数和分形维数取不同的线性关系，既抑制了噪声，又减少了语音段的信息的损失，提高了信噪比，有广阔的应用前景。     

一种多尺度分形的舰船目标检测方法

阐述了图像分形维和多尺度分形特征的概念,提出了一种多尺度分形目标检测方法。实验证明,自然背景与人造目标所在区域的多尺度分形特征差别非常明显。对于舰船目标检测,给出方法的检测结果稳定,优于边缘检测、阈值分割和单一分形维检测的结果,是一种非常有前途的方法。     

烟幕粒子粒度的分形特征及红外消光性能研究

以分形理论为基础,提出了一种表征烟幕粒子粒度特征的指标——粒度分形维数(D),研究了烟幕粒子粒度的分形特征。研究表明,烟幕粒子的粒度分布是分形的,烟幕中大颗粒占的比例越高,粒度分形维数越小,基于米氏理论的红外消光性能也越好。粒度分形维数(D)可用于表征烟幕粒子粒度分布的特征,为烟幕系统的研究提供了一种新思路。     

电磁环境分形特性分析与量化

为了解决传统电磁环境度量方法中指标提取主观因素多,计算难度大等问题,提出将分形理论应用于电磁环境度量指标计算的方法。首先证明了电磁环境的分形特征,然后提出基于数学形态学的电磁环境分形维数计算方法,并阐述了将电磁环境分形维数作为度量其复杂度指标的意义。对计算结果进行分析,表明该方法能从时间和空间上为区分电磁环境的复杂程度提供多维的信息。     

基于局部分形维数的多目标检测算法

在以自然景物为背景的图像中,分形维数是一种能有效地将目标从自然背景中检测出来的纹理特征.将图像的局部窗转化为一维序列的形式,在研究R/S分析法的基础上,提出了一种局部分形维数估计算法.将一维最大熵的检测结果与分形特征图的检测结果进行逻辑与运算,从而实现目标边缘的精确定位.实验表明该算法不仅可以有效地实现多目标检测同时具有较好的抗噪性能.     

基于改进差分盒维数的烟雾分割方法

针对森林背景与烟雾的分形纹理结构的不同特性,提出了改进差分盒维数的烟雾分割方法。首先,在已有的差分盒维数算法基础上,扩大子窗口的选择范围,计算每个像素的分形维数值并分析得到的其分形特征数据;然后,选择合适的阈值对像素进行分类,筛选出符合烟雾特征的像素,从而实现烟与森林背景的分割;最后,应用形态学中膨胀算法进行连通处理。实验结果证明,基于改进的差分盒维数方法对以树木为背景的烟雾图像具有较好的分割效果。     

基于分形曲面尺度斜率特征的弱小目标检测

鉴于弱小目标检测所固有的难点及常用的检测方法不能准确、稳定地检测出目标,提出了运用分形曲面尺度斜率特征检测弱小目标的方法。通过实际数据分析可以得出:相比常用的分形维数和分形拟合误差等检测特征,分形曲面尺度斜率特征在表征人造目标与自然背景的差异上更加明显,在抗图像噪声干扰上也更为优异,有着更强的鲁棒性。该方法普遍适用于检测自然环境中的弱小目标,尤其在对空弱小目标方面,检测概率更高。无论背景、飞行姿态、目标类型发生怎样的变化,经本文算法运算后只需一步简易的分割就可以检测出微弱暗小目标。     

分形方法在SAR图像分割中的应用

SAR图像中人造地物和自然地貌很容易在某些特征上出现类似,使得利用传统方法提取的特征进行分割往往不可靠.相比自然地貌,人造地物显得比较规则,SAR图像的这一特点使得基于分形特征的分割算法成为可能.基于数学形态学理论提出了一个变结构元素的形态学分形维数估计方法,对复杂SAR图像进行分割.实验结果表明,该方法计算量小,可充分利用SAR图像的纹理信息.     

地震信号空间序列分形特征的研究

当把地震勘探信号各道间对应于同一时刻的数据序列看作是反映一定范围内地层及其地质参数的复杂函数时,便构成了地震勘探信号的空间序列。本文建立了地震信号空间序列的分形模型,将根据一维时间序列重建动力学系统的理论和时间序列关联维计算的G.P算法拓展到对地震信号空间序列的研究之中,提出了地震信号空间序列关联维的分析方法,对地震信号空间序列的分形特征进行了研究,结果表明,地震信号空间序列在一定的尺度范围内为分形结构,并存在较宽的分形无标度区。这一结论为应用分形理论到地震信号空间序列的研究提供了思路,若能将对地震勘探信号时深序列的研究和空间序列的研究相结合,有可能取得分形理论在地震勘探领域应用研究的新突破。     

分形方法用于有噪图像边缘检测的研究

本文研究了加性高斯白噪声对于基于离散分数布朗随机场模型图像分形维数估计的影响，并将分形方法用于图像边缘检测，指出在加性高斯白噪声的情况下，分形方法用于图像边缘检测较之经典的基于梯度运算的边缘检测方法有好的抗噪性能，同时又能检测比较丰富的图像边缘细节。     

一种基于多重分形的SAR图像边缘检测方法

分形维数只能刻画那些具有理想的自相似性的分形体,现实中的许多纹理并不满足这一条件,因此单一的分形维数并不足以描述和刻画SAR图像的纹理,多重分形维数更适合于描述图像的纹理.通过计算原始SAR图像离散点数据的奇异性指数,然后对应每一点奇异性指数计算全局多重分形奇异谱,根据判决准则区分边缘和纹理可以实现SAR图像的边缘检测,实验结果表明,基于多重分形特征的边缘检测算法能够检测到许多局部细节,同时又避免出现不重要的细节,突出了主要的边缘信息,很好地区分出SAR图像的纹理和边缘.