基于图像分形维数估计的最小盒计数法的研究

通过对估计图像分维数的差分盒计数法的深入研究,发现差分盒计数法估计覆盖分形曲面的盒子数可能出现“空盒子”被计数,从而导致盒子数偏多而生产冗余,使得差分盒计数法估计数字图像的分维数不具有普遍适用性,特别是对那些曲面变化较剧烈的分形图像更为突出。为此,提出了具有普适性的有效估计图像分维数的最小盒计数法和采用逐段搜索法寻找分形无标度区的方法,并通过对XLPE电力电缆局部放电灰度图像和Brodatz纹理图像分维数估计的实例分析进行了验证,验证表明,基于分维估计的最小盒计数法可以用来对电力电缆局部放电信号灰度图像进行模式识别。

一种抗噪分形维计算方法及其在声纳图像识别中的应用

用于计算图像分形维的差分盒计数法(DBC)和鲁棒差分盒计数法(RDBC)都对脉冲噪声和斑点噪声较敏感,为此本文提出一种抗噪差分盒计数法(NRDBC),利用剪切局部标准差(TLSD)来计算图像分形维,由于TLSD可有效滤除脉冲噪声和斑点噪声、且对高斯噪声敏感性小,因此NRDBC能对有噪图像进行可靠的分形维估计。利用多分辨率的DBC、RDBC和NRDBC对混有高斯噪声、脉冲噪声和斑点噪声的7种Brodatz纹理以及3种海底的侧扫声纳图像进行了分类实验,结果表明,本文提出的NRDBC可获得更高的识别率和更好的抗噪性。

一种基于MAD的鲁棒性分形维数计算方法及图像识别应用

传统鲁棒差分盒计数法(RDBC)已成功用于高斯噪声图像的分形维估计,但由于对椒盐噪声较敏感,因此不再适用于椒盐噪声图像的分形维估计和图像分类。本文提出一种基于中值绝对偏差(MAD)的分形维数计算方法(MAD-DBC)。该方法利用MAD进行差分盒计数,对椒盐噪声具有很好的鲁棒性特点。实验结果表明,利用小波多分辨率的DBC、RDBC和MAD-DBC对椒盐噪声的16种Brodatz纹理图像进行分类,MAD-DBC具有更高的识别率和更好的噪声鲁棒性。

苜蓿草粉对金属材料磨损表面的分形维数计算

基于分形理论和扫描电镜分析,采用差分计数盒法(DBC)计算了苜蓿草粉对金属材料磨损表面的三维分形维数。结果表明:基于DBC法和磨损表面SEM照片计算所得的分形维数,可以表征苜蓿草粉对金属材料磨损表面的形貌特征;相同加工条件下的金属加工表面具有相近的分形维数,但不能通过分形维数区分材料;苜蓿草粉磨损后的磨损表面分形维数与磨损体积损失有着密切的关系,体积磨损量越大,分形维数也越大。