金属磨粒分形参数的计算

为了便于分析研究设备的磨损状态等相关性规律，研制了基于计算机的磨粒图像轮廓识别和轮廓分形参数分析软件。在获取磨粒图像链码的基础上，利用该软件对销一盘试验机采集的磨粒进行分析，发现磨粒分形维数的变化与磨损状态有一定对应关系。该软件为磨粒分形特征与磨损状态相关性规律的研究，提供了简便快捷的手段。     

基于分形维数的图像分割研究

本文在分形图象模型研究基础上，采用离散分形布朗增量随机场。通过撮特性参数－Ｈ值，方差，平均灰度值，然后结合传统的聚类分割技术，实现图象分割。在对自然背景中的人造物体图象和金相图的实验结果表明，分割效果良好，且抗噪性能较强。     

基于MFCC与分形维数混合参数的语音识别

针对语音气流中具有混沌特征,而分形可以定量地分析混沌现象,故分形可用来分析语音信号。语音波形具有分形特征,将分形用于改善语音识别技术更好地表现语音的特征,避免传统的分段线性处理所产生的局限性。将传统特征参数MFCC与分形特征结合起来,组成混合参数用于语音识别。实验结论显示,基于MFCC与分形维数混合参数的语音识别方法要好于使用单一MFCC参数的语音识别方法。     

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。     

基于分形特征的磨粒图像分割

磨粒图像分割是磨粒图像分析的关键一步,分割结果的准确性将直接影响磨粒的最终识别和分类。分形理论在表征磨粒的轮廓特征和表面特征方面得到了广泛应用。结合磨粒图像的分形特征和自组织特征映射神经网络,提出基于分形特征的磨粒图像分割方法。首先,计算磨粒图像的分形维数,多重分形维数,结合图像的灰度信息,共得到图像的8个特征;然后,利用自组织特征映射神经网络的自组织、自学习特性,实现磨粒图像的分割。磨粒图像分割的结果表明,该算法是可行的、有效的。     

苹果分类识别中的分形问题研究

提出一种新颖的基于分形理论的苹果属性分类识别方法。通过机器视觉获取苹果彩色图像,进行处理,得到反映苹果色度属性的灰度图象;运用分形理论,通过苹果灰度图象创建灰度特性曲线,对该曲线的分形问题进行研究,得到曲线的分形维数;根据特征维数,建立起苹果属性类别和分形维数间的关系,实现了苹果属性的准确检测和分类。实验结果表明,用分形理论方法进行苹果分类识别,具有良好的抗噪、容错能力,并能有效地克服传统图像分割识别方法适应性差的缺点,提高了分类判别准确率和分类精度。     

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。     

基于布朗模型和小波变换的图像分形维数计算

函像分形维数是反映图像纹理特征的重要因素，也是图像分割的主要依据；通常，图像的分形维数多数采用盒维数计算方法来得到．但是避免不了计算时阚值选择带来不精确的问题，本文结合小波变换和布朗模型，提出了一种新的计算方法，并且和盒维数方法计算结果进行比较，结果表明，通过本文的计算方法得到的图像分形维数较准确。     

数字分形图像分形维数计算

针对数字图像分形维数计算准确度较低问题,为提高图像精确性,消除噪声,设计了基于图像处理和分形维数计算的一体化系统.对具有分形特征的数字图像进行了灰度转换、去噪、阈值分割和轮廓提取处理,得到二值轮廓数字图像;利用计盒维数算法,统计一系列不同像素边长的正方形覆盖二值轮廓数字图像,根据像素数量和正方形个数之间的关系,确定数字图像的分形维数.结果表明,对分形图像的处理简单、方便,通过对kochsnow曲线、Sierpinski垫片等有规则分形图像分形维数的仿真计算,验证了方法的准确性、可靠性和简便性,能为数字图像分形维数的计算提供可靠工具.     

链码方法在金属磨粒分形参数计算中的应用

本文介绍了链码技术在磨粒分形参数计算中的应用,通过数字图象处理得到磨粒轮廓的链码参数,依据链码就可以方便地对磨粒分布数以及二重分形拐点数值进行计算。该方法用于磨粒分形参数的计算,简便快捷。     

基于磨损机理的磨粒图像识别仿真

机械设备磨损过程中产生的磨粒,可以利用智能识别技术进行识别。通过对切削磨粒、球状磨粒、疲劳磨粒以及严重滑动磨粒的磨损机理的研究,提出了能够识别各类磨粒的显著特征,将特征参数进行量化表征,并以特征参数为输入向量,建立支持向量机分类器模型,运用层次法对分类器进行训练,优化分类器的参数,最后利用分类器模型对磨粒图像进行识别以验证识别方法的可行性。实验结果表明,支持向量机分类器识别磨粒类型准确率较高,可以用于磨粒图像的识别。     

磨粒图象纹理分形特征的研究

机械设备在运转过程中,发生各种各样形式的摩擦磨损,其磨损颗粒的数量、尺寸大小都随着运转过程而逐渐增加,在颗粒表面留下了与摩擦磨损机理相关的痕迹。这对磨粒的表面纹理特征进行分析,通过求取特征值,作为判断出机械装置的寿命、故障机理等指标的重要参数。     

基于分形理论的声纳图像识别

为了解决声纳图像分类较困难的问题,提出一种基于分形理论的声纳图像识别方法.针对传统的分形维数作为图像纹理特征表示时缺少图像分布特征的不足,引入了多重分形的概念和广义维数,并对原图像和灰度差分图像重新提取了图像的纹理特征.通过对声纳图像的分类实验,结果证实该方法行之有效.     

基于分形理论的声纳图像识别

为了解决声纳图像分类较困难的问题,提出一种基于分形理论的声纳图像识别方法。针对传统的分形维数作为图像纹理特征表示时缺少图像分布特征的不足,引入了多重分形的概念和广义维数,并对原图像和灰度差分图像重新提取了图像的纹理特征。通过对声纳图像的分类实验,结果证实该方法行之有效。     

基于概念级语义的图像描述与识别

由于计算机自动提取的图像视觉特征与人所理解的图像内容存在巨大的差异,传统的低层的视觉特征(如颜色、纹理、形状等)CBIR(Content-Based Image Retrieval)系统的检索结果往往不尽如人意.近年来,根据概念级语义(如男孩、高兴、浪漫等)的CBIR引起了研究者的重视.本文对CBIR领域的大量文献进行了深入的分析,从工程角度综述了图像概念级语义的描述模型、概念级语义特征提取和概念级语义图像检索问题的研究进展,并阐述了作者的一些观点.     

基于L-系统的三维分形图形描述语言系统

为满足三维分形图形的描述要求,在传统L-系统的基础上提出一种新的三维分形图形描述语言系统——E-L系统。该系统对L-系统的符号进行扩展,以便更好地支持三维分形图形的描述,增加随机参数,使分形图形更加真实,限定符号的类型,使其表达方式更加通用。设计一种三维分形图形的形态控制方法,克服传统分形图形最终形态无法控制的缺点。实验结果表明,E-L系统可以较好地描述具有自相似性的三维分形图形。     

一种基于分数维的虹膜识别方法

提出了一种基于极值加权平均分数维特征提取的虹膜识别方法. 针对亚洲人虹膜纹理反差弱的特点, 设计了高分辨率虹膜采集设备; 利用形态学和圆形边缘检测算子定位虹膜, 并将虹膜纹理映射到极坐标空间; 定义了一种新的图像分数维---极值加权平均分数维, 用于提取虹膜特征; 最后, 利用相关分类器对虹膜特征矩阵进行匹配识别. 试验表明极值加权平均分数维能很好地提取虹膜特征, 系统识别率高, 速度快.     

基于分形特征的水声目标信号分类识别

在水声信号的研究中,应提高准确性.由于水声信号不具有严格的线性区域,过去直接对近似线性区域进行最小二乘拟合求得分形维数误差较大,不利于信号的识别.为解决上述问题,在分形布朗运动的基础上,提出采用水声目标信号近似线性区域进行了分段处理,运用最小二乘拟合求得各段的分形维数,并将各段的分形维数作为目标信号的特征矢量,进而以BP神经网络作为分类器进行目标的分类识别.实测目标的分类结果表明,上述方法提高了分形维数的稳定性,为水声目标信号的检测和识别提供良好的理论依据,并给出了具体的算法的步骤.     

基于有向复杂网络模型的形状描述与识别

针对传统复杂网络方法对形状的非刚性变形较为敏感等问题,在形状内部距离的基础上利用有向复杂网络进行形状分析.首先提取形状边界点作为复杂网络的节点,以形状边界点之间的内部距离作为复杂网络中节点之间的边权值构建初始网络;然后对初始复杂网络进行k近邻演化,得到不同演化时刻的有向子网络;最后提取各有向子网络的特征来实现复杂网络的特征描述,进而实现形状的特征表示.实验结果表明,该方法对常见的形状变形具有更强的鲁棒性;与传统的无向网络模型相比,具有更高的检索和分类精度.