基于小波变换的带钢表面缺陷分形特征研究

图像的分形维数能够表述图像空间纹理不同灰度级间的相关特性,是描述自然纹理图像的一个有用工具.本文在小波分解的基础上,运用双毯法计算了带钢表面缺陷的分形维数,并对计算结果进行了分析对比,研究了小波变换后各级、各分量的分形维数差异.实验结果表明所提取的分维特征对于缺陷分类有较好作用.     

分形理论在语音信号处理中的应用

分形理论是描述语音信号的一个非常有效的工具,并已取得了一系列应用成果。本文叙述了分形的基本概念与基本特性。阐述了分形理论在语音分割、端点检测、语音合成、语音增强、信息隐藏、语音识别和语音预测等语音信号处理领域的应用和研究成果。最后对分形理论在语音信号处理中的应用与发展进行了展望。     

分形理论及在信号处理中的应用

分形理论是描述非线性系统中不规则的几何形体的有效工具，应用领域十分广泛。描述了分形的概念、分形的基本特性、分形维数及其常见的分形维数估算方法。阐述了分形理论在信号的仿真建模、复杂背景中的目标检测、故障诊断、语音信号处理及生物信号处理中的应用和研究成果。最后对分形理论在信号处理中的应用与发展进行了展望。     

分形理论及在信号处理中的应用

分形理论是描述非线性系统中不规则的几何形体的有效工具,应用领域十分广泛。描述了分形的概念、分形的基本特性、分形维数及其常见的分形维数估算方法。阐述了分形理论在信号的仿真建模、复杂背景中的目标检测、故障诊断、语音信号处理及生物信号处理中的应用和研究成果。最后对分形理论在信号处理中的应用与发展进行了展望。     

分形理论在分队作战系统建模中的应用

如何体现现代作战环境中开放性、对称与自相似性、非平衡态有序性等复杂特性是当前作战系统建模的一个难点问题.源于几何学的分形理论拓宽了人们的思路,使人们认识到可以将分形理论引入到作战系统建模中以解决这种复杂情况.因此,本文基于分形理论,创新性的提出分形分队的概念,并对其理论依据,分形空间和分形维数等相关概念进行了论述.在此基础上,以某多兵种合成分队的建模为例,给出了基于分形理论的分队作战系统模型构建的一般过程.     

分形理论在语音信号处理中的应用

分形理论是描述语音信号的一个非常有效的工具,并已取得了一系列应用成果。本文叙述了分形的基本概念与基本特性。阐述了分形理论在语音分割、端点检测、语音合成、语音增强、信息隐藏、语音识别和语音预测等语音信号处理领域的应用和研究成果。最后对分形理论在语音信号处理中的应用与发展进行了展望。     

基于分形和多重分形理论的催化剂表面图象分析

本文讨论了催化剂表面ＳＥＭ图象关于多重分形生长过程的分形和多重分形特性分析。分形维数和多重分形奇异谱是描述分形测度的重要的定量参数；它们也是催化剂活性的测试新主本研究为催化剂的设计提供了崭新的手段。     

基于分形维数的磁痕图像缺陷检测

针对荧光磁粉无损探伤自动检测中存在的磁痕识别率低、虚警率高、抗干扰能力弱和易受背景影响的问题,提出一种基于分形维数的磁痕图像缺陷在线检测方法。采用差分计盒维数算法求解得到磁痕图像的分形维数,并分析工件磁痕缺陷分形维数特征。实际运用中,实时采集工件图像,利用特征进行图像处理,判断工件是否存在缺陷。经过实验验证,采用基于分形维数特征的磁痕图像缺陷检测方法,能准确识别工件缺陷,磁痕识别率为80%,与常用检测磁痕方法相比,虚警率降低5%,受背景影响小,有较强的适用性。     

基于Matlab的分形理论在医学中的应用研究

分形几何已经在各种领域得到广泛应用,分形分析是一种功能强大但仍未充分利用的数学工具。分形理论与医学的实际应用之间的联系是分形维数(FD)。本文介绍了分形和分形维的概念,基于Matlab以心图形为例说明盒维数的计算过程。在此基础上,就分形理论在心血管系统、肺部肿瘤、胎儿监护、中医等医学领域的近期研究进展作一回顾。结论:分形理论对于描述生物系统在任何水平的非常复杂的结构和行为非常有用,它也为非侵入性定量医学诊断提供了一种实用的工具。     

基于分形理论的同塔双回线路避雷器动作辨识

避雷器动作的有效在线辨识可以避免高幅值的过电压对设备绝缘的损坏,提高了线路绝缘子串的耐压水平,有效地保护了设备。因此,详细分析了110 kV同塔双回线路避雷器动作后站端测得的故障初始行波波形特征,研究发现当避雷器动作时,故障行波的初始波头幅值大幅下降,且故障波形的下降沿处有多个由于避雷器引起的突变。基于分形理论对于波形几何特征的有效识别,结合避雷器动作后对故障初始波头产生的“削顶”作用,从图像的角度分析波形下降沿拐点所对应的物理含义,通过计算在一定短窗内波形分形盒维数D并构造识别判据,实现线路避雷器的动作状态的精确刻画。大量仿真和实测数据表明,该方法能有效判别线路避雷器动作。     

基于多分形特征参数的织物瑕疵检测

深入分析了计盒法在估算分形维数上存在的问题并结合织物纹理固有的特点,提取了4个新的分形参数,利用由它们组成的特征向量并使用欧式距离检测器对7种具有不同纹理背景的织物进行了瑕疵检测。测试结果表明,在一定的阈值范围内,实际的误警率和漏检率可以同时控制在10％以内,有力地证实了所提取的分形特征参数的有效性。     

基于分形维数的阈值选取方法

普通的阈值选取方法只注重图像的灰度信息,而很少考虑图像的空间信息。分形维数能很好地反映一幅图像的空间信息,在图像的处理与分析中得到了很好的应用。提出了一种基于分形维数的图像阈值选取方法,实验证明对于灰度图像的阈值选取具有很好的实用效果。     

基于三维盒维数算法的城市分维计算

通过将传统的二维盒维数算法扩展到三维空间,提出了一个基于三维空间的盒维数计算方法。分别利用三维盒维数算法和二维盒维数算法计算城市的分维,通过对计算结果进行比较分析,观察到城市空间结构在第三维同样具有分形特征,证明传统城市分维计算中采用基于二维空间的分维算法或者简单地利用二维分维加1的方法表示三维分维都是不准确的,并进而给出正确的城市分维计算方法。     

分形无标度区的一种自动识别方法

GP算法求分形关联维数时,双对数曲线的线性区间(无标度区)的识别十分关键。经典的GP算法中无标度区的识别主要依靠人工经验完成,同一条曲线,不同的人可能得到不同的无标度区,从而导致估算的关联维数存在较大差别。根据无标度区范围内的双对数曲线近似为一条直线段,其二阶导数应在0附近上下微幅波动的特点,提出了一种由计算机对无标度区进行自动识别的方法。该方法物理意义清晰,便于在计算机上编程实现。用Lorenz方程X轴的数据对方法进行了验证,计算结果表明,提出的方法可以有效地识别无标度区。     

数字图像中作物病斑形状分形特征提取

应用分形理论的计盒维数法在数字图像中研究了棉花不同病害病斑的形状分形特征,结果表明,棉花病害病斑的形状具有明显的分形特性,其形状的复杂性可用分形维数量度。不同类病斑的形状分形维数存在明显的差异,炭疽病病斑的分形维数为1.804±0.0214,轮纹病斑的分形维数为1.8951±0.0224,叶枯病病斑的分形维数为1.8740±0.0345。其可作为识别诊断病害的特征,利用病斑形状分形特征进行棉花病害的识诊断别,识别准确率达到81%以上。实验研究表明在数字图像中应用分形理论研究作物病斑的形状特征及应用病斑形状分形特征识别作物病害是可行的。     

一种有效的SAR图像分数维计算方法

DBC和MDBC估计分数维时信息丢失较多,导致估计精度降低和范围缩小。针对此局限性,提出了利用图像灰度均值反映整体特征的GDBC分数维算法,结合实际SAR舰船图像目标识别的应用,从分数维估计、拟和误差计算和动态范围测量等方面,将GDBC和其它计算方法进行了比较和分析。实验结果表明该算法更加有效,覆盖范围更广。     

旋转骨架法在二值图像分形维数计算中的应用

目的 计盒法是一种计算二值图像分形维数的常用方法,传统方法如BCM（box-counting method）对无旋转的图像结构具有较理想的计算结果,但是对具有旋转的图像结构的拟合结果偏差较大,导致同一物体在不同旋转角度下的图像的计算结果存在较大差异。为了减小图像旋转对盒维数的影响,本文提出了一种计算二值位图分形维数的新方法——旋转骨架法。方法 将二值图像提取骨架,使位图转换为矢量图,利用遗传算法计算图像中物体的最小包容矩形和旋转角度,然后将矢量图进行旋转使其变为一个无旋转的图形,接下来采用多尺度的盒子覆盖矢量图形得到多个拟合点,最后按最小二乘法对拟合点进行拟合得到盒维数。与BCM方法相比,其核心工作与关键改进为骨架的提取、最小包容体的计算、矢量图的分形维数计算等过程。结果 对3种类型的图像进行了分析,在自相似的分形图像中,相比BCM方法,3幅图的平均误差分别降低了0.725 2%、3.060 5%和2.298 5%,变化幅度分别降低了0.057 3、0.088 3和0.085 9;在文字扫描图像中,相比BCM方法,变化幅度降低了0.012 75,平均拟合误差降低了0.001 28;在植物图像中,与BCM方法相比,分形维数的变化幅度降低了0.017 04,平均拟合误差降低了0.000 5。结论 该方法充分利用了位图易旋转、无厚度的特点,减小了图像旋转对盒维数的影响,评价结果优于BCM方法。     

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。