计盒维数的若干注记

讨论了计盒维数的介值性质,上、下计盒维数的子集的连续性质。对上述性质的几何解释作了讨论,给出上、下计盒维数的本质判别并指出上计盒维数在维数研究中所起的重要作用。     

一种计盒维数估算的新方法

根据3种标准分形体(Koch曲线、Sierpinski三角形垫片、Vicsek分形)的实验,总结得出一种计盒维数估算的实用方法:1)盒子尺寸不应该是无限小,而应该是不大不小; 2)盒子数量尽可能多,但不要太多; 3)盒子采用指数递减速率; 4)盒子递减速率最好接近分形体结构,建议不采用常用的递减速率(ε=1/2、ε=1/3、ε=1/4),对于自然图形,建议指数递减速率采用ε=0. 75或ε=0. 80; 5)对于标度区识别,需要依据一定准则,判断合理的点对数量.本方法也适合3维目标的计盒维数和1-3维边界维数的估算.     

连续函数图象的精细计盒维数

就连续函数线性组合后的图象进行研究，讨论了函数线性组合前后其相应图象精细计盒维数之间的关系。     

精细计盒维数与连续函数图象

将分形理论中的一个重要概念计盒维数推广为精细计盒维数，给出了精细(下)计盒维数的等价表示，且讨论了连续函数图象的精细(下)计盒维数用函数空间刻划的充要条件．     

基于归一化尺度计盒维数的超声波分形特征研究

基于归一化尺度计盒维数方法研究了超声波分形特征．提出了将时间尺度与幅值尺度归一化的计盒维数方法来快速计算超声回波分形维数；在此基础上，对管道中缺陷超声回波的分形维数进行了计算与统计分析，得到了超声回波的分形维数的统计分布规律．研究结果表明，超声回波具有分形标度不变性，计盒维数能够反映超声回波信号波形的复杂程度和不规则程度，这种方法可以在超声自动检测中用来快速判断缺陷的有无．     

一类多参数分形插值曲面及其计盒维数

构造了一类多参数三角迭代函数系,证明了该迭代函数系吸引子的存在唯一性,进一步证明了该吸引子是给定插值点集的分形插值曲面最后通过变差给出了分形插值曲面的计盒维数。     

基于多小波域变换和分形维数的图像融合算法

为了充分利用图像的纹理特征,本文将多小波变换方法和分形理论相结合,提出了一种新的基于多小波变换域方向对比度和分形维数的图像融合算法.该图像融合算法首先通过多小波变换进行原始图像分解,然后采用差分和维数法计算分形维数相应的低频分解系数,建立基于分形维数的低频融合规则,高频部分则根据方向对比度的值通过选择法或加权平均法进行融合计算.该算法对IR图像和可见光图像进行融合实验,采用图像熵、标准偏差以及质量度量这些客观指标评估图像融合的质量.实验结果表明,把分形维数与多小波变换方法相结合进行图像融合处理,图像融合质量和效率都明显提高.     

基于差分计盒维数的分形图像编码方法

提出了一种利用差分计盒维数(简称DBC,一种估计分形维数的方法)新的分形图像编码方法,该方法利用DBC来寻找一个与值域子块在分形维数上最接近而且与其差别小于某一预定阈值的定义域子块.这种方法的优点在于能够有效减少搜寻对应于某一值域子块的最佳定义域子块及最佳变换的搜索空间.     

基于分形维数的火焰特征提取方法

本文运用分形维数可以表示曲线的复杂程度的特性来提取图像轮廓特征,它具有计算简单、物理意义明确、抗干扰能力强的特点。实验证明该方法计算简单,处理速度快,为进一步进行火焰图像的识别奠定了基础。     

基于区域形状的静脉图像特征提取与匹配

为了准确地对人的身份进行识别,提出了一种基于区域形状的静脉图像特征提取与匹配算法.静脉图像经预处理后得到二值图像,该算法首先对二值图像进行细化处理,得到了静脉的骨架信息;然后,标注4连通区域并寻找到与连通区域相连接的端点与交叉点;再利用最小距离法将连通区域的边缘逼近成若干条线段,将线段角度作为特征;最后,利用改进的最长公共子序列算法,进行了局部区域匹配,并利用改进的豪斯多夫距离算法进行整幅图像的匹配.实验表明,该算法获得的图像特征具有较高的区分度,识别效果受采集静脉图像中信息缺失的影响较小,正确识别率可达到96%以上.     

基于RBF神经网络的图像特征处理

径向基函数网络(RBFN)是当前人工神经网络技术研究的热点之一,并以其优良的性能广泛应用于各个领域。针对BP神经网络容易陷入局部最优的缺陷,文章提出用RBF神经网络进行图像特征提取,并给出了RBF神经网络构建过程及选Gauss函数为径向基函数的优势,最后设计并完成实验。模拟实验结果表明了训练好的RBF网络对边缘特征提取的有效性,也证实了选择良好的高斯函数宽度,可以得到较优的网络。     

基于分形维数的纹理特征的提取与应用

从图像纹理特征入手,研究如何有效地抽取图像纹理特征对图像进行描述,基于目前常用的图像分形维数的求取方法来抽取特征,设计了基于纹理特征进行图像检索的系统。实验结果表明,分形维数为纹理特征算法能更好的反映图像的纹理特征。     

基于分维特征的肝脏CT图像识别

目前分形理论已被广泛应用于医学图像识别.本文利用了改进的差分盒计数法对肝脏CT图像进行了分形维数的分析,表征了肝脏图像的纹理特征,则可识别医学图像肿瘤信息.医学图像识别的结果可以直观的方式显示给临床医生,从而辅助医生提高医疗诊断的准确性和科学性.     

一种基于非线性特征提取的数据降维算法

为了获得良好的图像分类效果,需要采集尽可能多的图像数据特征,进而使得图像原始特征空间的维数越来越高,造成维数灾难.特征提取是通过线性或者非线性映射,将高维特征空间映射到低维空间,从而降低数据维数.现有的特征提取算法往往忽视了数据本身特有的复杂结构以及非线性因素,造成映射方向的模糊以及分类精确度的缺失.充分考虑了图像数据本身的二维特性,通过改进的非线性特征提取方法、流形学习方法来提取图像特征.实验表明,该算法在不影响图像分类效果的前提下可以大大降低数据维数,减少计算复杂度.     

基于MDTAPI箱体类零件加工特征识别与提取

本文以ＡｕｔｏＣＡＤ ＡＲＸ 开发环境下的ＭＤＴ ＡＰＩ的特征建模实用工具为基础, 通过对箱体类零件加工特征分析和归纳, 开发了箱体类零件加工特征的识别与提取系统, 为实现ＣＡＤ／ＣＡＰＰ 信息集成提供了一种切实可行的解决办法．     

基于代数方法的图像特征抽取和识别

该文对文献（３）中的相似度计算了改进,用低维矩阵替代高维矩阵进行计算,先证明没有改变原有图像矩阵的相似度,然后用新方法和原方法解决一组人脸图像识别问题,实验结果表明,新方法大大减少了计算量,又能保持稳定的识别率,具有较高的识别效果。     

基于KCPA提取特征和RVM的图像分类

为了得到更理想的图像分类结果,提高图像分类的效率,提出一种核主成分分析与相关向量机(RVM)相融合的图像分类算法.首先采集大量图像,建立图像数据库,并提取图像特征;然后采用核主成分分析对图像进行选择和降维,减少图像特征数量,消除作用较小的特征;最后通过相关向量机的训练构建图像分类器.采用3个图像数据集进行图像分类实验,实验结果表明,对于3种标准图像数据库的图像,该算法的图像分类正确率大于95%,远高于其他算法的图像分类正确率,且图像分类速度可以满足图像的实际应用要求.     

基于线性矩和小波变换的医学图像特征提取

应用小波矩作为图像特征量以及小波变换进行医学图像的自动特征提取,利用小波变换对线性矩进行分析,提取图像的各分辨率下的小波系数经快速傅里叶变换作为特征。使计算量和数据量大大减少,为特征的选取带来方便。矩特征由于其良好的稳定性、抗噪性和旋转不变性在图像识别中受到了广泛的关注和应用。由小波矩来构造目标的旋转不变性的特征,可以克服传统矩的弊端,又具有旋转不变性的特征。     

一种新的多特征融合图像检索方法

为解决图像检索中单一特征检索性能不佳、多特征融合耗时的问题,提出了一种新的融合颜色特征和形状特征的图像检索方法。检索过程分为两个阶段:首先对图像进行圆环分块,提取图像整体和各圆环子块颜色特征向量,以特征向量间距离大小为准则对图像库分类;然后在类内提取图像的ART形状描述符作为形状特征进行相似性度量以实现检索。形状特征提取只在某一类内进行,减小了运算量,同时弥补了颜色特征对图像空间信息丢失的不足,提高了检索准确率。仿真实验取得了较好的检索效果。