首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到20条相似文献,搜索用时 312 毫秒
1.
依据L系统分形理论,结合植物图像的结构特征和生成规则,给出了L系统建立植物数学模型的一般方法.在一般L系统基础上添加一定约束条件得到修正L系统,实现植物生长过程中的个性特征表达和植物图像的快速模拟,同时通过修改约束条件实现了生长过程中的剪枝、生长周期、结构等特性的快速高性能计算机模拟.  相似文献   

2.
目的结合偏微分方程理论,研究图像放大的有效方法.方法根据热传导方程的物理意义,把图像的灰度值视为平面物体的温度,以原图像的某种插值结果作为异性扩散方程的初值,利用数值方法对方程进行求解,所得结果作为预估值.将预估结果中相应于原图像位置的像素值以原图像替换,所得结果作为校正值.校正值将作为下一步预估计算的初值.利用有限差分法求解偏微分方程,实现预估-校正迭代.结果数值实验显示笔者所提算法与传统的插值放大算法相比放大后图像没有明显的斑点及亮度偏移现象;与已有基于偏微分方程的图像放大算法相比,该算法能够较好地保持图像的边缘特征和细节信息.结论笔者所提算法具有长时间计算的稳定性,放大图像不会随着迭代次数的增加而变得模糊,是一种有效的图像放大方法.  相似文献   

3.
良好的图像分析系统可快速确定各种各样的植物根系参数.一般说来,在进行植物根系图像的测量处理之前还应对其做特别的准备.图像分割是计算机视觉低层处理的重要步骤.由于植物根系彩色图像有比其灰度图像更多的视觉信息,所以它们在根系图像特征的提取处理过程中更为有用.论文对现有几种彩色图像分割方法进行了比较分析,提出了一种基于颜色特征的图像分割法,并将其应用于扫描和数码相机拍摄植物根系图像的分割处理.  相似文献   

4.
IFS吸引子图像仿射变换的参数变换法   总被引:2,自引:0,他引:2  
以迭代函数系统理论为基础,研究并导出了实现IFS吸引子图像仿射变换的分形码变换通式,讨论了几种常见的吸引子变换,为分形图像变换和分形图形设计提供了一种简捷,高交和灵活的处理方式。  相似文献   

5.
基于分形截距特征多尺度图像边缘检测技术及应用   总被引:1,自引:0,他引:1  
分形概念的提出及分形几何学的创立,为人们描述客观世界提供了更准确的数学模型,引起了自然科学领域和社会科学领域的普遍关注,并在化学、生物学、天文学等诸多领域中得到了广泛的应用。由于分形集可以用简单的迭代方法生成复杂的自然景物、用分数维有效度量物体的复杂性,因此分形与图像之间存在着一种自然联系,而正是这种联系,奠定了分形理论用于图像处理的基础,开辟了分形理论在图像处理中应用的新领域。目前分形在图像中的应用大致可以概括为两类;一类是利用分形的自相似特征,采用映射变换的方法对自然界景物进行仿真,对图像进行压缩编码;另一类是根据分形及分数维的特征参量来建立模型,通过对模型参数的研究,有效地进行图像分析和处理。  相似文献   

6.
基于OpenGL迭代函数植物建模算法的改进及实现   总被引:1,自引:0,他引:1  
提出了一种改进的基于OpenGL迭代函数植物几何建模方法,提高了植物模型的真实感. 在传统方法中融合遗传算法对树木模型的构建过程进行优化,并且引入风场以实现对树木的动态模拟. 结果显示该方法所构造的树木模型具有更加明显的分形姿态,随着迭代次数的增加,树木逼真度提高. 在实验仿真条件下,通过绘点操作模拟逼真度最高能够达到96%.  相似文献   

7.
阐述了植物模拟的典型方法L-系统及迭代函数系统(IFS)的基本原理.根据这两种方法,利用MATLAB软件工具,模拟了带有随机因子的分形树,模拟的分形树形态生动逼真.MATLAB具有强大的绘图工具和函数系统,实现随机分形树模拟的程序很简洁.  相似文献   

8.
目的通过对Julia图像块分形压缩字典的分析与分类。实现对分形压缩字典的精简,提高分形压缩效果和减少分形压缩时间.方法基于固定的C在复平面上进行迭代得到Julia集,利用量化表量化得到Julia图像块,将所得Julia图像块数据导入到Excel表中,利用Excel的统计功能进行分析并根据均值、方差等特征值进行分类.结果精简了图像块约13000块,并通过分类方法使压缩时间减少到原来的1/3.结论通过对参数C的研究可以提高Julia图像块分形压缩字典的质量.减少编解码的时间.  相似文献   

9.
对分形参数施加随机性影响的研究   总被引:8,自引:0,他引:8  
研究在分形图形的生成过程中如何对分形参数施加随机性影响 对两类典型随机分形集模型———统计自相似集和统计自仿射集进行了探讨 ;对几种典型分形集进行了分析和计算机模拟 对分形图形的两种主要生成方法———L系统和迭代函数系统 (IFS)进行分析 ,并利用L系统和迭代函数系统分别生成了几种经典分形集和具有分形性质的植物的平面图形 ;对如何生成符合要求的随机序列进行了研究 ,同时随机生成了一些变化万千的植物  相似文献   

10.
研究了图像加密算法,提出了一种有效的基于混沌,分形等现代信号处理方法的加密算法.采用了仿真与理论研究相结合,提出了基于混沌,分形与Spiht算法的图像加密算法.将原始图像基于DWT进行变换后,产生低频与高频子带图像.然后分别基于低频子带进行基于信息熵的快速分形编码,基于高频子带进行Spiht 编码,最后分别对编码后的高、低频数据进行混沌加密,生成加密数据流,解密算法反之.仿真结果证明该算法达到了理想的加密效果.基于此理论基础,可以利用DSP6000系列进行硬件实现.  相似文献   

11.
结合植物形态学与计算机图形学,以分形理论为基础,对植物重要器官叶片的叶脉纹理进行研究.荷叶叶脉呈发散状,有很强的自相似性,具备分形特征.通过对荷叶叶脉属性的观测统计,总结出荷叶叶脉的形态规律.根据统计结果得出荷叶叶脉结构的IFS码,以线为初始单位并扩展到荷叶的面结构,用三次参数样条曲线绘制叶边缘轮廓,实现了对荷叶叶脉的较为形象的模拟.结果表明此算法比通常的算法更适用于具有分叉结构的叶脉纹理的绘制.  相似文献   

12.
简要介绍了迭代函数系统(IFS)的基本理论,讨论了如何利用IFS理论构造分形图的方法,分析了IFS中参数产生的过程、函数个数与图形形状之间的关系以及概率的设计对生成分形图的影响。最后,结合计算机图形学,给出IFS技术构造二维和三维分形图的若干示例。  相似文献   

13.
提出弱双曲迭代函数系统压缩方法,证明了其吸引子的存在性和解码序列的收敛性。使用弱IFS的优点在于变换可以是非线性的,而且放宽了对压缩因子的要求,这有利于变换的选取和构造,同时可以由较少的变换对图像进行分形编码,有利于提高压缩比。理论和数值实例,用本的方法进行图像压缩,可选择更广泛、更灵活的变换,能获得更好的图像质量和更高的压缩效率。  相似文献   

14.
分形植物形态的模拟算法研究   总被引:4,自引:0,他引:4  
随着分形学研究的深入,植物形态的模拟已成为一个研究热点.在借鉴前人研究的L-系统,IFS经典算法的基础上,将二者结合互补并改进了L-系统算法,产生了一种新的算法,能够生成更真实的植物形态;在总结分形演化DLA算法的基础上,在演化区域内加入一些干预信息,能够得到具有装饰性的艺术效果.  相似文献   

15.
在图形生成和图象处理的实际问题中仿射变换是非常有用的,本文用仿射变换讨论了信息复制方法,介绍了分形插值格式与IFS方法,强调指出仿射变换可被用来构造一类新的预小波,最后对有关计算机艺术的模型问题给出若干议论。  相似文献   

16.
分形压缩技术存在很多优点,但其还存在编码时间过长的缺点.理论已经证明IFS不会改变图像块的熵值.本文提出了一种基于改进熵值的分形压缩算法:一是采用改进的熵值进行判断,降低了算法的复杂度,二是通过合并定义域池使编码时间减少.实验结果表明,采用该方法时的编码时间和PSNR较其他算法有明显提高,压缩比也有所提高.  相似文献   

17.
分形插值函数及曲线的IFS求取   总被引:4,自引:0,他引:4  
传统的插值法不能解决诸如海岸线、山脊线、脑电波图形等 ,分形插值可对它们进行非常逼真的模拟和再现。本文讨论了分形插值及曲线的IFS的求取 ,从而为复杂图形的模拟提供思路  相似文献   

18.
给出推广的拼贴定理,并对迭代函数系统进行有效变形,记录下变形后的参数,形成不动点图像。迭代时选择不动点图像为初始图像,并证明不动点图像也是迭代函数系统的吸引子的一个较好的近似,实验结果说明,在保持同样的压缩比情况下,只须少数迭代就可得到理想的恢复图像。  相似文献   

19.
分形树木建模及其在VRML中的应用   总被引:1,自引:0,他引:1  
基于分形几何理论和植物学原理,提出采用随机参数化方法构造单轴分枝和合轴分枝两类树木模型,采用多边形和IFS方法构造树叶.以VRML作为转换平台,实现树木模型的存储.该方法可构造出具有较强真实感的树木模型,存储的树木模型文件可广泛用于各类虚拟现实系统.  相似文献   

20.
分形理论适合于解决不规则形态物体的模拟问题,而造型技术适合于规则形态物体的建模。分形理 论中的迭代函数系统(IFS)和自由曲面造型技术相结合可以逼真地模拟自然景物。将迭代函数系统和自由曲面造 型技术应用于计算机辅助设计(CAD)中,应用CAD 与VC++的接口模块ObjectARX 来研究自然景物的模拟算 法。利用迭代函数系统模拟三维分形植物的算法,采用自由曲面(B样条曲面)技术绘制的山坡。给出了模拟种植果 树的山坡的综合实例,结果表明模拟效果自然、逼真。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号