基于分形的图形处理系统研究

分形理论是当今世界十分风靡和活跃的新理论、新学科,在许多领域都有很广泛的应用,因此对分形理论的研究既具有理论意义,又具有非常广泛的实际应用价值。本文主要研究分形理论在计算机科学上的应用,实现了对一些经典分形图的绘制;处理生成的分形图形,实现图像的去噪和压缩等应用。     

基于分形理论的在线体验艺术可行性研究

随着科技的发展,人们更多地进行网络体验,讨论了基于分形理论进行在线艺术创作的可行性。对在线艺术创作的理论基础:分形理论与虚拟艺术做了分析。讨论了基于分形理论在线艺术的可行性,包括参数易修改性就可获得好艺术效果,能大量压缩数据等。又分析了分形软件ChaoPro进行初步创作,并可用图形编辑软件来进行处理。所以基于分形理论的在线分形艺术可以让更多的人参与到艺术的创作当中来。     

基于分形小波变换的医学图像增强

Mandelbrot的分形理论认为，自然界中的大量图像都可以用分形布朗运动模型来描述，而分形维数可以表征图像自相似性和灰度表面粗糙度。充分地利用图像的分形维数的特性和小波变换的边缘保持好、适合人眼的特点来增强图像，辅助医学临床诊断。通过对X光胸片图像的增强实验表明：该方法不仅能增强图像中较不敏感的细节内容，还能增强视觉上很难感受到的差异结构。     

分形理论在网络流量分析中的应用综述

从自相似(单分形)和多重分形两个方面讨论了网络流量的相关分析内容，并对长相关、尺度行为等重要概念进行了说明，目的在于对流量分析中的分形理论作整体介绍。     

一种基于去均值的加速收敛的分形压缩算法

通过研究传统分形压缩算法中解码迭代过程的收敛性问题，提出了一种新的基于去均值的加速收敛的分形压缩算法，理论分析和实验证明新算法的解码迭代次数要大大少于传统分形压缩算法，并且具有运算复杂度相对降低，恢复图象的ＰＳＮＲ提高等优点。进一步地，我们将新算法结合到自适应四叉树分割的结构中，在压缩比和图象质量之间取得较好的折衷，实验结果优于相同条件下的传统分形压缩算法。     

基于分形理论的遥感影像分类研究

分形理论是非线性科学领域的一大支柱,它的提出为人们解决非线性世界的问题提供了新的思想和方法,由于分形维数与人类对图像表面纹理粗糙度的感知是一致的,利用分形理论进行遥感影像分类具有潜在的理论和应用价值。本文根据遥感影像特点,引入分形方法来描述其纹理结构特征,利用双毯覆盖模型来提取遥感影像的纹理特征,在此基础上,采用K-means算法将纹理结构特征与光谱特征相结合,进行遥感影像分类,其分类效果优于单纯采用光谱特征的分类。     

分形理论及在信号处理中的应用

分形理论是描述非线性系统中不规则的几何形体的有效工具，应用领域十分广泛。描述了分形的概念、分形的基本特性、分形维数及其常见的分形维数估算方法。阐述了分形理论在信号的仿真建模、复杂背景中的目标检测、故障诊断、语音信号处理及生物信号处理中的应用和研究成果。最后对分形理论在信号处理中的应用与发展进行了展望。     

分形维数二进算法及应用

分形维数是描述复杂函数或集合问题特征参数。对数字信号如何合理计算其分形维数是十分重要的问题，本文基于信息分形的基本原理，提出分形维数的新计算方法即二进算法，编制二进分形维数的计算程序，通过对带有噪声正弦波和洛伦兹吸引了实例维数计算，表明了计算方法的可行性。     

基于分形盒子维数的车牌定位方法

分形维数是估计表面粗糙度的一个重要参数，在图像处理领域中更多地用到分形盒子维的概念，计算盒子维的DBC算法快速，有效，精确度高，被广为采纳，针对车牌内部图像的复杂度和背景有较大差异的特征，提出了一种通过计算分形盒子维同时结合其它图像处理方法来进行车牌定位的新算法，效果较好。     

分形理论:大自然的几何学

分形理论是当今世界十分活跃的新理论。作为前沿学科的分形理论认为,大自然是分形构成的。大千世界,对称、均衡的对象和状态是少数和暂时的,而不对称、不均衡的对象和状态才是多数和长期的,分形几何是描述大自然的几何学。作为人类探索复杂事物的新的认知方法,分形对于一切涉及组织结构和形态发生的领域,均有实际应用意义,并在石油勘探、地震预测、城市建设、癌症研究、经济分析等方面取得了不少突破性的进展。本文简要介绍分形理论的产生和应用概况。分形概念的形成——英国的海岸线有多长?分形的概念是美籍数学家曼德布罗特(B.B.Mandelb…     

分形理论在语音信号处理中的应用

分形理论是描述语音信号的一个非常有效的工具,并已取得了一系列应用成果。本文叙述了分形的基本概念与基本特性。阐述了分形理论在语音分割、端点检测、语音合成、语音增强、信息隐藏、语音识别和语音预测等语音信号处理领域的应用和研究成果。最后对分形理论在语音信号处理中的应用与发展进行了展望。     

分形理论在语音信号处理中的应用

分形理论是描述语音信号的一个非常有效的工具,并已取得了一系列应用成果。本文叙述了分形的基本概念与基本特性。阐述了分形理论在语音分割、端点检测、语音合成、语音增强、信息隐藏、语音识别和语音预测等语音信号处理领域的应用和研究成果。最后对分形理论在语音信号处理中的应用与发展进行了展望。     

分形理论及在信号处理中的应用

分形理论是描述非线性系统中不规则的几何形体的有效工具,应用领域十分广泛。描述了分形的概念、分形的基本特性、分形维数及其常见的分形维数估算方法。阐述了分形理论在信号的仿真建模、复杂背景中的目标检测、故障诊断、语音信号处理及生物信号处理中的应用和研究成果。最后对分形理论在信号处理中的应用与发展进行了展望。     

团簇-团簇聚集模型及模拟实现

概述了分形及其应用,介绍了团簇一团簇聚集(Cluster-Cluster Aggregation)模型及其维数,给出了该模型的一种模拟分形生长算法,在VC 6．0下实现了CCA分形生长的模拟及维数计算,并对结果进行了分析和讨论。本文方法能在普通微机上较好地实现CCA分形生长模拟,在小规模粒子时,能动态观察分形生长的过程,实时性较好。     

分形图案在艺术设计中的应用

分形图案是一种将分形理论与计算机图像技术结合生成的特殊图案,正被越来越多地应用在艺术设计实践中。本文简要介绍分形图案的特征及生成方法,探讨其在服装、织物、标志等艺术设计中的应用,并根据分形图案的风格进行创作实践。     

一种新的网格重叠差分盒分形模型

分形维数一个最重要的特性是其维数大小与人眼感觉图像表面的粗糙程度有很大的相关性,分形在图像的纹理分析、图像的分割与分类等方面有着很多成功的运用。在基于分形理论提出的分形维数的佑计方法中,差分盒法是一种经常被使用的分形维数佑计技术。研究发现差分盒法对细致纹理的最小二乘法线性拟合度比较好,但是对较为粗糙的纹理其最小二乘法的线性拟合度不够理想,估计出的分形维数往往失真。为了解决这个问题,提出了一种网格重叠差分盒模型,用以计算差分盒的盒子数的网格在一定程度上重叠,计算整个图像统计自相似意义上的盒子数,其最小二乘法的线性拟合度比较好。为了进一步提高差分盒的盒子计数精度,提出了非整数盒子计数法,修正了缩放尺度,试验证明其能更真实地反映纹理的分形维数。     

基于泛逻辑的分形与混沌逻辑初探

人们对自然的看法正经历着一个根本性的改变,即转向多重性、暂时性和复杂性,混沌学与分形论则是研究此类非线性自然系统的新兴科学。本文分析了分形与混沌的基本特征及其与泛逻辑的相互关系,讨论了建立分形与混沌逻辑的必要性和可能性,并给出了分形逻辑的研究纲要和混沌逻辑的实现途径。文章指出:<1>.分形与混沌逻辑的产生既是人类对自然规律认识深入的必然产物,也是深入认识自然的客观需要;<2>.泛逻辑学原理为建立具体的逻辑体系提供了理论框架与生成规则,这使得建立分形与混沌逻辑成为可能;<3>.分形与混沌逻辑在复杂系统的研究中将扮演重要的角色,并在其应用中逐渐自我完善。     

The fractal dimension of complex networks: A review

The fractal property is one of the most important properties in complex networks. It describes the power law relationship between characteristics of the box and the box size. There are numerous research studies focusing on the fractal property in networks through different dimensions. In order to study the problems across various disciplines, fractal dimension and local dimension are proposed to study network and node properties respectively. In this review paper, various network covering algorithms, which form the basis for obtaining fractal dimension are being reviewed. The different dimensions used to describe the fractal property of networks and their applications are then discussed. Through these studies, we emphasize that the fractal property is an important tool for understanding network characteristics. In the last section, we give our conclusion and discuss possible future directions for fractal dimension research.