基于改进差分盒算法的织物疵点自动检测方法

根据织物检测的实际情况需要,提出了基于差分盒算法的改进算法,在使用Brodatz纹理库样本的前提下,分别在盒子高度确定、盒子总数统计以及网格中盒子数量确定3个方面进行改进,在算法时间和精度两项上,对经典差分盒算法和改进算法进行了比较,对比得出了改进算法的时效性;还应用了改进差分盒算法对3种常见纹理的疵点织物进行了计算,以确认疵点织物,并验证了改进差分盒算法;实验通过检出率、误检率、漏检率和检测精度4个检测精度参数表明,改进的差分盒算法可以有效地区分疵点织物和正常织物,该方法具有很强的实用性。     

彩色图像分形维数的计算方法

分形维数是描述图像复杂性的一种重要测度,广泛应用于图像特征提取及图像分类、分割和检索等方面。多种黑白图像和灰度图像的分形维数计算方法已被提出,但其中很少有适用于彩色图像的分形维数计算方法。把计算灰度图像分形维数的差分盒维法扩展到欧氏五维空间,提出了一种简单且易实现的计算彩色图像分形维数的方法。实验结果表明,提出的方法能够捕捉到彩色图像纹理的复杂性,在识别彩色图像粗糙度变化和计算精度方面优于其它算法。     

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。     

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。     

一种基于分形的木材细胞图像特征提取方法*

木材纹理图像的分形维数可以代表木材很多的纹理特征,它是木材树种的一项重要数字特征参数。为了提取木材纹理特征,提出采用改进差分盒子法计算木材纹理细胞图像的分形维数值。理论分析和实验结果表明：该方法能够提取木材纹理特征,并且能在一定程度上克服图像比例大小对于特征提取所造成的影响,是木材纹理特征参数提取的一种重要方法。     

基于混沌现象构建分形图形

给出一种利用混沌行为生成分形图形的方法,该方法与一般的迭代函数系统方法不同.它没有直接使用几率这个参数,而是利用了混沌、混沌系统中自带的"随机性".使用Matlab计算语言编写程序,结合实例列举几个算例,并计算所绘分形图形不同参数下的分形维数.结果表明,该方法富有多变性,可以得到很多有趣的图形,所得分形图形的艺术美感令人振奋.     

一种新的数据流分形聚类算法

提出了基于分形的数据流聚类算法,利用分形维数的变化程度来度量数据点与聚类的自相似程度,在噪音干扰下能发现反映数据流自然聚集状态的任意形状的聚类。实验证明,FClustream算法是一种高效的数据流聚类算法。     

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.     

图像分形维数计算技术

在分形科学的研究中,分形维数的求取方法一直是人们所关注的,本文基于目前常见的图像分形维数的求取方法,对各种方法的计算量,适用范围进行分析和比较,给出推荐模型。     

Coarse iris classification using box-counting to estimate fractal dimensions

This paper proposes a novel algorithm for the automatic coarse classification of iris images using a box-counting method to estimate the fractal dimensions of the iris. First, the iris image is segmented into sixteen blocks, eight belonging to an upper group and eight to a lower group. We then calculate the fractal dimension value of these image blocks and take the mean value of the fractal dimension as the upper and the lower group fractal dimensions. Finally, all the iris images are classified into four categories in accordance with the upper and the lower group fractal dimensions. This classification method has been tested and evaluated on 872 iris cases, and the proportions of these categories in our database are 5.50%, 38.54%, 21.79%, and 34.17%. The iris images are classified with two algorithms, the double threshold algorithm, which classifies iris images with an accuracy of 94.61%, and the backpropagation algorithm, which is 93.23% accurate. When we allow for the border effect, the double threshold algorithm is 98.28% accurate.     

UJA-3DFD: A program to compute the 3D fractal dimension from MRI data

This work presents a computer program for computing the 3D fractal dimension (3DFD) from magnetic-resonance images of the brain. The program is based on an algorithm that calculates the 3D box counting of the entire volume of the brain, and also of its 3D skeletonization. The validity and accuracy of the software has been confirmed using solids with well-known 3DFD values. The usefulness of the program developed is demonstrated by its successful characterization of several neurodegenerative diseases.     

Analysis of the blanket algorithm to study the texture of an image

We analyse the algorithm proposed by Pentland and show how to fit it to each image, choosing (efficiently) the number of interactions automatically. Furthermore, we discuss the possibilities and some disadvantages in the use of this algorithm for the computation of textures in real images.     

图像分形维数计算方法的比较

分形维数是度量图像纹理粗糙度的一种常用方法,而依据分形维数的定义很难求解图像的分形维数。大量计算图像分形维数的算法被提出,但是这些方法往往基于不同的应用背景,没有总体比较和评价,多局限于差分盒子维的选用和改进,算法普遍存在计算误差较大,适应能力模糊的缺点。基于目前常用图像分形维数的计算方法,测试不同方法对图像粗糙度的敏感程度和时间复杂程度。从而对这些方法的适用范围进行分析和比较,给出应用的推荐模型。     

一种基于分形维数的图像压缩编码方法

本文提出了一种基于分形维数的ＤＣＴ变换压缩编码与ＩＦＳ分形编码相结合的图象压缩方法。实验结果表明,与基本的自动分形图象编码方法相比,运算时间下降而压缩比和信噪比提高。     

分形维数的一个并行算法

本文详细介绍了分形维数的一种计算方法,在对其计算复杂度进行分析的基础上对算法进行了优化,提出了一个对应的并行化算法,并介绍了基于MPI环境的具体实现,最后给出一个计算实例。     

数据流中随机型分形维数计算方法研究

分形维数能够有效地描述数据集,反映复杂数据集中隐含的规律性,基于分形理论的数据挖掘算法通常都步及到分形维数的计算。但是现有的分形维数计算方法的时间复杂度和空间复杂度都比较高,大大降低了算法的效率,使算法很难适应高速、海量的数据流环境。因此,总结分析了现有的几种分形维数计算方法,并提出一种随机型方法,利用固定的内存空间快速估计数据流的关联维数。最后通过与现有算法进行对比实验,证明了这一随机型算法的有效性。     

基于分形维数的数据挖掘技术研究综述

分形维数在数据挖掘领域起着非常特殊的作用,它能有效地描述数据集,能反映复杂数据集中隐藏的规律性,基于分形维数的数据挖掘技术研究越来越受到人们的广泛关注.本文首先介绍了数据集的分形维数,进而在此基础上重点介绍了几种基于分形维数的数据挖掘技术,并对每种技术的特点进行了阐述,最后指出今后的发展方向.     

岩石表面纹理的分形维数计算

根据盒子计数法的基本思想,利用Matlab数学平台,通过表面轮廓曲线图形与图形所对应的曲线坐标数据计算集料表面纹理的分维数。以Koch曲线作为标准分形曲线进行标定,验证了盒子计数法对纹理图形进行分维数计算的可行性,并得出岩石表面纹理的分维数越大则粗糙程度越复杂。