基于多重加权法的多重分形图像分割研究

针对现有多重分形谱对噪声敏感的问题,该文提出了一种基于多重加权法的多重分形谱算法。并首先介绍了基于测度理论的多重分形谱的定义;然后定义了基于多重加权的概率测度,同时对基于多重加权法的多重分形谱性能进行了分析,最后采取与衬底法、方差法进行仿真比较的方法,进行了线性区间、抗噪声性能和收敛速度的比较。比较结果表明,该算法具有保持和加强图像的局部特性以及突出图像的细微处的特点,不仅克服了多重分形谱对噪声敏感的缺点,而且权重因子收敛快。     

基于多重相关方差的X线头影片的多重分形分析

该文提出了一种基于多重相关方差的计算多重分形谱的算法.首先构建了一个X线图像的五邻域多重相关空间,定义了图像的多重分形谱的概率测度,通过对图像的多重分形谱与权重因子相关性的分析,进一步判定线形区间及适当的权重因子,得到了X线头影片图像的多重分形的线性区间,验证了其多重分形的几何性质.该算法具有保持和加强图像的局部特性,突出图像的细微处的特点,克服了多重分形谱对噪声敏感的缺点,能有效抑制图像中的噪声.     

基于多重分形的医学图像边沿分析

本文提出了应用在医疗诊断上的一种基于多重分形分析的边缘检测方法,并应用在变形性骨炎的诊断中,该方法通过定义在图像灰度级上的测度,计算图像中每一个像素点的奇异性和它的多重分形谱,然后根据多重分形谱,提取图像的边缘信息.经试验表明,该算法具有良好的边缘检测效果,而且与传统方法相比具有更好的局部性.并且在医疗诊断中有广泛的应用前景.     

基于WTMM的多重分形图像去噪算法

提出一种新的多重分形图象去噪算法,讨论了基于小波极大模的多重分形谱估计算法。在此基础上推导了图像取噪声的谱移位算子。该方法没有对噪声的类型提出任何假设条件,而是通过定义一个变换算子对每一点的Hausdorf指数进行处理,使处理后的图象的Hausdorf指数接近于2,从而取得最佳效果。实验结果表明,该方法在去除噪声的同时可很好地保留了原始图像的纹理信息。     

模拟X线头影片的多重分形分析

介绍了一种用于X线头影片进行边缘检测的多重分形方法,并对模拟X线头影侧位片进行了多重分形性质的分析。通过图像的多重分形谱与权重因子相关性的分析,进一步判定线性区间及适当的权重因子。得到了X线头影片图像的多重分形的线性区间,验证了X线头影片图像的多重分形的几何性质,在分析图像各像素点多重分形谱的基础上获取图像的边缘信息。用该算法进行图像边缘提取,保持和加强图像的局部特性,突出图像的细微处,并且该算法克服了多重分形谱对噪声敏感的缺点,能有效抑制图像中的噪声。分析结果表明,利用多重分形对X线头影片图像进行硬组织内部轮廓的边缘提取是可行的。     

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%。     

蛋白质序列中的多重分形分析

采用多重分形谱对蛋白质序列进行分析。按照SCOP分类法,从PDB中选取三条同属于类的分维相近的蛋白质序列,利用多重分形分别对蛋白质空间距离以及序列中氨基酸的极性、体积的复杂性进行比较。实验结果表明,多重分形的奇异谱函数比简单的分形维数能提供更多的信息,克服了分形维数相同情况下,精细结构无法区分的困难,分析结果能够更加准确地描述个体之间的差异。     

近似测地距离度量下的图像抗噪分割方法

对含有噪声的图像进行有效分割是图像处理中的难点问题之一.为解决欧氏距离带来的空间局限性,对含有噪声的图像进行有效分割,提出一种基于近似测地距离和边界加权的重心Voronoi图划分(CVT)能量模型的图像抗噪分割方法.首先利用图像梯度的大小和方向建立一种近似测地距离计算模型,降低了算法的时间复杂度;然后采用该测地距离测度定义边界加权的CVT能量模型,并极小化能量模型实现数字图像的抗噪分割.实验结果表明,该方法可以有效地对含有噪声的数字图像进行抗噪分割.     

基于多重分形主曲线模型多目标演化算法研究

为了克服目前模型多目标演化算法多采用PCA,local PCA等线性建模方法,存在模型拟合效果不理想、对建模参数敏感等问题,提出一种基于多重分形的主曲线模型多目标演化算法( multifractal based principal curve multi-objective evolutionary algorithm,MFPC-MOEA).算法采用主曲线方法对解集分布进行非线性建模,通过建立种群个体分布概率模型,生成目标空间均匀分布的个体,保证优化结果的多样性.另外算法通过多重分形方法分析个体在解集空间中的分布,设计了基于多重分形谱的模型演化多目标算法建模开始评测标准,同时采用多重分形方法评估算法收敛程度,设计相关的演化多目标优化算法停止策略.新算法采用国际公认的ZDT,DTLZ测试函数进行实验验证,并与NSGA-II,MOEA/D,PAES,SPEA2,RM-MEDA经典演化多目标优化算法进行了实验比较.实验结果表明,该算法在HV,SPREAD,IGD,EPSIION性能指标上均有较好的表现.说明通过引入多重分形策略和主曲线建模方法,在一定程度上提高了解的质量,为求解多目标优化问题提供新的思路.     

基于相对多重分形谱的感兴趣区域图像压缩

提出了一种基于相对多重分形谱的图像质量评价准则,给出了基于此准则的感兴趣区域检测算法。在此基础上,研究了基于相对多重分形谱评价准则的感兴趣区域图像编码技术。将感兴趣区域定义为图像中纹理变化相对比较复杂的区域。在这一定义下,给出了计算小波域感兴趣区域掩模的新算法。最后,在编码过程中提出了一种感兴趣区域编码优先的复合EZW算法。实验结果证明了该算法的有效性。     

基于多重分形的肝脏边缘粗糙度分析*

（目的）针对当前在肝纤维化早期CT影像无法检测的问题,提出了基于多重分形理论的肝脏边缘粗糙度分析方法。（方法）该方法计算了图像像素点的粗粒化Holder指数,并用核估计方法估计出图像与该粗粒化指数相对应的多重分形奇异频谱。（结果）实验结果表明该方法能在肝纤维化早期分辨出肝脏CT影像边缘粗糙度的改变,而且与传统分形维方法相比效果更明显。（结论）因此多重分形频谱分析为肝脏图像的检测提供了一种新的途径。     

小波变换用于催化剂表面图象的局部特性分析

文中讨论了催化剂表面ＳＥＭ图象关于多重分形生长过程的局部奇异性分析，通过小波变换获得的局部奇异强度，比描述整体的单一分形维数和奇异谱，能提供更加准确的Ｈｏｌｄｅｒ指数绝对值和空间定位，用奇异强度直方图描述了图象上分形测度的分布，进而确定了催化剂表面活性区域的分布。     

一种时间序列多重分形分析的改进方法及其应用

通过分析时间序列广义维数的不同计算方法,本文引入一种新的多重分形奇异测度概念,提出了一种时间序列多重分形分析的改进方法。该方法不仅计算量小,而且其得到的连续分段线性曲线序列的广义维数具有恒等于１ 的性质。由于现实中许多信号可以用连续分段线性曲线逼近,因此上述性质深入刻划了这类信号的一个共同特征。仿真结果表明,本文推导出的性质为信号奇异性检测开辟了一条新途径,利用本文方法还可以快速有效地提取实测舰船噪声的短时多重分维特征。     

基于频谱参数估计和神经网络的运动模糊图像恢复

提出了一种运动模糊图像恢复模型，运动模糊图像经傅立叶变换后在频域有频谱零点进行参数估计，通过霍变换初步求得运动模糊图像的点扩展函数，当估计出运动模糊图像的点扩展函数的参数后，用神经网络方法进行恢复。这种恢复模型可以对任意角度的匀速运动模糊图像的恢复取得恢复效果。该方法具有操作简单和全局搜索收敛的优点，实验证明这是一种比较好的运动模糊图像恢复方法。     

A multifractal wavelet model for the generation of long-range dependency traffic traces with adjustable parameters

The available multifractal traffic finite-length time series to implement performance test of the management, control and admission algorithms, and level of service about M/M/1 models for WAN/LAN communication systems are very few and their recollection through current mechanisms is very slow due to the amount of data that must be obtained. Hence, it is necessary to develop a tool which synthesizes traces with multifractal features and allows the stochastic parameters configuration as its average, Hurst parameter and, multifractal spectrum width. This article describes the development of a proposed algorithm to generate multifractal traffic finite-length time series with a Hurst parameter and the multifractal spectrum width, sampling and adjustable, called MultiFractal Hurst Spectrum Width (MFHSW). The MFHSW algorithm is based on the MultiFractal Hurst model (MFH) and on the Multifractal Wavelet Model (MWM), to construct the time series through a binomial multiplicative cascade. The main contribution of the MFHSW algorithm is to allow adjusting both the Hurst parameter and the multifractal spectrum width, the aforementioned is achieved by appropriately modifying the beta distributions that conform the binomial cascade. Consequently, the impact developed by the algorithm to the trace generation with multifractal features will be the improvement in the simulation and data network modeling.The MFHW algorithm behaves as an expert system when inferring to distribution of the beta coefficients present in the scales that make part of the binomial cascade starting from the stochastic parameters configured by the user, and obtaining the corresponding time series through an inference engine. To validate the algorithm effectiveness, a trace with the Hurst parameter sampling and the multifractal spectrum width similar to the presented in a network traffic time series are synthetized. The MFHSW happens to be a promising tool for the modeling of time series applicable to diverse fields as the traffic engineering, finances, biomedical signals, among other real traces with multifractal features.