一种衡量DFBR图像分形特性强弱的准则

在ＤＦＢＲ场理论的基础上，考虑了图像分形特性强弱的问题．依据实验中的数据的分布形式，提出了一个衡量分形特性强弱的参数——分形度及其相应的算法，并通过实验分析了它在图像分类中的应用。

图像的一种分形特性表示法及其应用

本文在小波分析的基础上，阐述了一种对于图像分形特性的简洁表示法并提出了一个衡量图像对于ＤＦＢＲ场符合程度的指标──分形布朗量，实验表明这种表示法和度量指标是有意义的．最后给出了该表示法在多分辨率目标识别中的最新应用．

SAR图像的分维特征提取

通过对合成孔径雷达（ＳＡＲ）图像的目标统计特性的分析，从理论上证明了ＳＡＲ图像的分维现象的存在性，提出了一种ＳＡＲ图像分维特征提取算法；最后，利用分维特征对分辨力为３ｍ×３ｍ机载Ｘ—ＳＡＲ成像数据进行了分割处理。

基于分形的图像边缘检测研究

提出了一种新的图像边缘分形检测方法。该方法以具有各向同性的ＤＦＢＲ场模型作为图像区域的数学模型，定义了一种新的适用于图像边缘检测的分形参数，并将它用于图像边缘检测。实验结果证实了该方法的有效性。

基于多结构元素的图像边界识别方法研究

在图像处理中,对于复杂图像的边界特征信息很难通过一个结构元素来提取。针对这一问题,采用多结构元素的图像边界识别算法,利用具有视觉模型的边界阀值选择策略确定图像中梯度变化的像素点,对其采用二值形态学的腐蚀运算,从而判断该像素点是边界点还是噪声点。实验表明此算法具有较好的边界信息提取能力和较好的去噪声能力。

基于分形理论的林业害虫图像的边缘检测

将分形理论应用于林业害虫图像的边缘检测,通过判断DFBR场模型参数H值范围来获取边缘。实验表明,经直方图均衡化预处理后,该算法能更好地获取图像边缘。

基于分形理论和数学形态学的图像边缘检测方法

提出一种基于分形理论和数学形态学的边缘检测方法。该方法利用分形理论中离散分数布朗随机场来抑制噪声得到按分形维分布的灰度图像，采用数学形态学检测连续的特征边缘。试验表明，采用该方法比经典的边缘检测算子能够更好地达到视觉测量的要求。

一种分形和形态学结合的图像边缘检测算法

分形将灰度图像空间映射到分形维数空间进行边缘检测,形态学利用具有特向性的检测算子进行边缘检测。本文将分形中DFBR模型和改进的形态学方法相结合得到一种新的边缘检测算法。实验结果表明:结合算法具有分形算法的保留图像边缘细节能力和形态学对特殊方向边缘的检测能力,在对含有大量细节图像的边缘提取上优于单一的边缘检测方法,并具有良好的抗噪性能。

基于分形和数学形态学的图像边缘检测方法

图像处理是视觉测量方法必需的技术,图像处理结果的好坏直接影响到了测量的质量。其中,边缘检测是重要的一步。视觉测量不仅需要较好地检测到边缘,还需要边缘尽可能是连续的。该文提出了一种基于分形理论和数学形态学的边缘检测方法。该方法利用分形理论中离散分数布朗随机场来抑制噪声得到按分形维分布的灰度图像,采用数学形态学检测连续的特征边缘。试验表明,采用该方法比经典的边缘检测算子能够更好地达到视觉测量的要求。

基于分形理论的SAR图像边缘检测

分析了SAR图像的基本特点 ,阐述用DFBR模型表达SAR图像的基本原理 ,提出两种基于分形理论的SAR图像边缘检测方法。通过对传统方法、分形方法和多尺度分形方法的特性分析和实验 ,说明分形方法有较强的抗干扰性能 ,适用于SAR图像的边缘检测 。