基于分形的水声图像目标探测

针对水声图像中人造物体的探测问题，给出了一种基于分形分析的方法，由于分形模型可以较好地模拟自然物体，而与人工物体存在较大差距，所以以其为主要特征可以准确地将人造物体从自然背景中探测出来。本文讨论了分维的提取方法，根据分形特征将水声图像标记为人造目标区域和非人造目标区域，并对一定噪声干扰下该方法的应用进行了研究，给出了相应的实验结果。实验结果表明，分形特征可以实现人造目标和自然物体的分类，并具有一定的抗噪声性，适宜对水声图像中的目标进行探测和识别。     

基于分形理论的一种图象分割方法

介绍了一种基于分形特征进行人造目标分割的方法.它是用分形模型描述自然场 景,基于人造目标和自然背景在分形特征上的差别,并利用概率松弛的思想增强这种差异,从 而自适应分割出目标图象.实验结果验证了这种方法的有效性和可行性.     

一种快速图象识别算法

在离散分形布朗随机场（ＤＦＢＲ）理论的基础上，提出一种多分辨率目标识别算法。该算法克服了一般分形方法在固定尺度上提取图象分形特性的缺点，它以小波分解为主要数学工具，利用随机场的功率谱特性以及相邻两级小波分量之间的能量比关系，完成了由粗到精的目标识别。该算法的最大特点是对目标大小具有自适应性，特别适合于自然场景中的多目标识别，同时也使得计算量大大减少。     

一种多尺度分形特征目标检测方法

自然背景干扰下的自动目标检测是目标检测的一个基本问题.根据尺度变化时自然 场景中人造目标的分形特征变化剧烈这一特点,提出了一种分形参数极值特征的自动目标检 测方法.大量的实验结果表明,分形参数极值特征的自动目标检测方法能较好地完成自然背景 干扰中人造小目标的自动检测.     

基于多尺度分形参数变化的目标检测方法研究

分析和研究了提取图象多尺度分形参数的地毯覆盖方法，并作了相应改进。阐明了Ｄ维面积的意义。根据自然场景和人造目标随尺度的不同变化性质，提出了分形参数变化度量函数。实验结果表明，利用该函数能有效地检测出自然背景中的人造目标     

一种结合分形维的高斯混合模型目标检测方法

针对树叶飘落、树枝摇动等自然背景的变化对目标检测带来的影响,提出一种结合分形维的高斯混合模型(GMM)目标检测方法。利用差分盒子维求取图像分形维数,通过设定分形维阈值去除自然背景,采用GMM方法进行目标检测。结果证明,该方法比传统的目标检测方法具有更好的检测效果。     

基于分形特征的复杂环境目标检测方法研究

针对复杂的自然背景下的运动目标检测,提出了一种基于分形特征的运动目标检测算法;该算法利用目标的分形维数与自然背景分形维数的差异将目标从背景检测出来;首先应用改进的地毯覆盖法快速得到图像的分形维数,然后通过比较邻域之间分形维数的相互关系进行目标检测;实验结果表明,该方法能对复杂背景下的运动目标进行检测,由于采用分块求分形特征的方法,能有效地减少搜索目标所带来的计算量,算法过程简单、检测速度快、检测结果精确,目标与背景对比度的变化对检测结果几乎没有影响,且噪声对该算法的检测结果影响较小;在运动目标实时检测问题上有着很好的实用价值和应用前景。     

基于FD特征的Snake模型及自动目标轮廓提取

用Snake模型分割自然背景下的人造目标时，Snake曲线往往被复杂背景所吸引，无法收敛到人造目标的边缘。针对该问题，文章从目标特征的角度，将分形维数特征引入Snake模型。利用自然背景和人造目标在分形维数特征上的显著区别，定义了基于目标分形维数特征的梯度加权函数，来自适应调整图像梯度幅值的大小，抑制自然背景的干扰。同时，该模型允许初始轮廓远离目标的真实边缘，降低了Snake模型对初始位置的依赖性。实验表明，该Snake模型能够克服复杂自然背景的干扰，提取出人造目标的边缘。     

一种自然场景中的目标分割方法

介绍了一种综合运用分形、形态学等方法，基于边沿的自然场景中人造目标的分割方法。它比通常的方法可保留更多的分割细节，同时对背景的抑制相当有效。     

模糊聚类神经网络用于分形特征的低反差及噪声图象的目标定位

研究了一种用于低反差及有噪图象的目标定位方法。首先采用分形技术从图象中提取两个独立的分形特征参量，再利用模糊Ｋｏｈｏｎｅｎ聚类神经网络对其进行聚类，实验结果表明了该方法的有效性。     

基于分形几何模型的图象放大

鉴于自然物体图象具有分形特性，提出一种基于分形几何原理的放大图象的处理方法，它通过提取图象的分形参数，采用了随机中点位移法进行插值，运行实例表明该方法的放大效果良好     

基于分水岭算法的空间目标图像分割方法

自然背景复杂的纹理特征,使得自然背景下人造目标的分割变得困难.为了从空间背景下精确分割出人造目标,基于分水岭算法,结合形态学重建和分形理论,提出了一种改进的图像分割方法.首先利用形态学开闭重建运算对原始图像的形态学梯度图像进行重建,其次在原始图像中利用人造目标和空间背景的分形特性差异对目标进行标记,最后对重建后的图像采用分水岭算法进行分割,将包含标记的区域提取出来并进行合并,从而将人造目标提取出来.仿真结果表明了方法的有效性.     

浅谈分形——在计算机游戏领域中的应用

随着计算机图形硬件和CPU性能的飞速发展，人们对PC游戏的场景绘制和人工智能这两方面提出了更高的要求。游戏场景绘制的主要目标是实时性和真实性。当前很多游戏都是以自然景物为背景的，包括蓝天、自云、树木、河流、地表植被、山脉等等。如何才能使这些自然景物更加逼真，使玩家享受身临其境的感觉呢？这是游戏设计制作者面临的新问题。关于自然场景特效生成的方法有很多，比如粒子系统、分形等。这里我们要谈的是分形，因为分形在自然景物绘制方面是独具特色的。     

基于分形理论的声纳图像人造目标检测算法

声纳图像中人造目标的自动检测是当前水下探测领域需要重点解决的问题之一。传统的基于目标回波信号强度的检测方法在海底存在岩石等类似于水雷等人造目标的情况下,常会导致较高的虚警率。由于人造目标和自然背景之间的纹理特性的不同,自然背景一般具有较复杂的纹理,而人造目标形状规则、表面光滑、纹理简单。利用分形模型中分形维数特征、截距特征、分形拟合误差特征以及多尺度分形特征进行声纳图像人造目标检测,仿真实验表明基于分形的检测算法可较好地实现人造目标和自然背景的分离,从而为成像声纳水下探测技术的进一步发展奠定了基础。     

各向异性的分形地形生成方法研究

传统的分形地形生成方法得到的地形是各向同性的,为了使生成的分形地形具有各向异性特征,提出了一种新的分形地形生成方法,该方法利用组合分形布朗曲面模型,将具有不同特征的两种分形布朗曲面相融合,使得生成的地形具有各向异性特征.对组合分形布朗曲面算法进行了仿真实验,生成了最终的分形地形.对仿真结果的分析表明,生成的分彤地形的特征具有各向异性特征,和实际的自然地形特征相符合,从而证明了该算法的有效性.     

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%。     

基于分形特征的人造目标探测方法研究

自然背景和人造目标对于某些分形特征存在着一定的本质差别，因此充分利用这些差别，能够为目标探测提供一套全新的方法。从仿真实验的处理结果来看，这种方法对于自然背景嵌入少量人造目标这类简单情况的检测效果较好，且具有较强的抗噪声干扰能力；对于其他复杂情况，本分别采用阈值分割组合法和Ｋ均值聚类法进行尝试，得到了一类初步结果。     

基于分形理论的空间目标图像分割算法

针对像素邻域灰度方差和分形维数提出了一种空间目标的图像分割算法.首先针对空间目标自然背景的特点,从分形理论的相似性上对云背景进行分析,提出了衡量灰度变化程度的指标像素邻域灰度方差,进而建立与灰度图像对应的像素邻域灰度方差图,实现了目标边界奇异性的增强.其次,在对阈值和方差图分形维数关系分析的基础上,提出了灰度方差的阈值选择方法进行仿真,最后给出空间目标图像分割算法的流程,仿真结果验证分割算法是有效的.     

结合多分辨分析和小波Holder数的人造目标识别方法

从分形布朗运动的平均Holder数出发,提取人造目标与自然场景的相对距离,用小波 变换提高抗畸变及干扰能力,通过不同分辨率下的小波Holder数的计算,并进行直线拟合,根 据直线的斜率及线性度可区分目标和背景,提出了一种多分辨分析相对距离的目标识别算法 (MRRD).实验表明,该方法可识别用单纯的分形特征参数难以识别的目标,是一种有效的识别 人造目标的方法,具有算法效率高,便于实时处理的特点.     

基于分形和分水岭的图像分割方法

图像分割是一种重要的图像处理技术,也是计算机视觉领域低层次视觉中的主要问题,同时它又是一个经典难题.提出了结合分水岭分割与图像分形维数的一种新方法用于对自然背景下人造目标的提取.实验结果证明,该方法能有效抑制自然背景,并提取出人造目标的轮廓.