第三章分形和多重分形

合集下载

分形理论及其应用

分形理论及其应用
•分形理论及其应用
X 1 : ( x1,x2,,xm )
X X
2 3

(
x

2
x
3,,
x
m
1
)

(
x

3
x
4,,
x
m
2
)
X
4

(
x

4
x5,,
x
m
3
)
把相点X1,X2,…,Xi,…,依次连起来就是一 条轨线。因为点与点之间的距空间共生成
个相点X1,X2,…,XN,给定一个数r,检查有 多少点对(Xi,Xj)之间的距离|Xi-Xj|小于r,把距离 小于r的点对数占总点对数N2的比例记作C(r),
•分形理论及其应用
Cantor集合 ,考虑多重分形,把同样的均匀质量棒
从其左端3/5处一分为二,然后把左段压缩为长度
r1=1/4,其质量P1=3/5,而右段保持原长度r2=2/5,其
质量P2=2/5;第二步按着上述的比例对两段分别进行
同样的变换就得到4段,左两段的长度分别为 r12 r1r2
质量分别为 P12 ,P1 P2 ,右两段的长度分别为 , r2 r1 r22 ,
质量分别为
, P2 P1
P
2 2
;如此操作下去就会得到一个不
均匀的Cantor集合。在这个集合中分布着众多长宽相
同的线条集合,它们构成单分形子集合。对每一个
单分形子集合,其标度指数为α,分维为f(α)。
•分形理论及其应用
最后每段线条的质量相当于二项式 (P1 P2)n展开中的
一项, n。因此可以用P1的q阶矩 Piq 取代单分形 i

多重分形

多重分形
skxkjyksk的离散傅里叶变换为我们求这一周期函数的傅里叶展开的系数就得到了该闭合曲线的傅里叶描述子在实际应用中二维闭合曲线通常使用折线段来近似的如figure所示
基于多重分形与傅里叶描 述子的人脸识别研究
---韩涛
测试图像
预处理1 (多重分形) (傅里叶 描述子)
处理2 降低特征数 分类器
训练库

分类器的选取

比较直接也比较常用的分类方法是选择与待 分类对象距离最近的样本的类别为待分类对 象的类别。此方法构建的分类器即是最近邻 法分类器(Nearest Neighbor Classification , NNC)。设x, y为n维特征空间中的两个点。
2 d ( x, y ) || x y || ( xi y i ) i 1
简化轮廓线
因为从额头到鼻子,再到下颌已经包含了重要的面 部信息。 (1)选取鼻尖为大致中心点,保留额头区至下颌 区的轮廓线。(鼻尖点即为轮廓线上i值最大的点) (2)因为图像采取是受控源,下颌区大致位置在 图像的1/8左右区域,以此区域寻找轮廓线上点的切 线为45度的点。 以下颌点与鼻尖点为初始点以一定比例构造直角闭 合曲线。(达到与前方轮廓线构成闭合曲线的目的)

表示与描述
对一幅图像分割之后,接下来通常要对分割
区域加以表示与描述,以便使“自然状态的 像素”更适合计算机处理。 这里我们对性质特征感兴趣,采用了用于区 域处理的边界描述子—傅里叶描述子
傅里叶描述子
傅里叶描述子已在二维形状识
别中广泛应用。任何闭合的二 维曲线都可以用傅里叶描述子 来描述。由于曲线是闭合的, 该函数是以闭合曲线长度为周 期的周期函数。
n
1/ 2

第三章-分形

第三章-分形
r θ r θ exp[−( ) ] = 1 − ( ) r0 r0
M (< r ) r θ =( ) M0 r0
dN ∝ r
− D −1
dr
dM ∝ r θ −1 dr
r − D −1 dr ∝ r θ − 4 dr
θ = 3− D
第五节、 第五节、分形理论的应用 1、尾砂碎体分形
第 五 节 分 形 理 论 的 应 用
第五节、 第五节、分形理论的应用 1、尾砂碎体分形 、
第 五 节
分 形 理 论 的 应 用
尾砂分级是采用水力旋流器将细粒尾砂部 分分离,其原理类似于河沙沉降, 分分离,其原理类似于河沙沉降,粗颗粒沉速快 而被保留,细颗粒(细泥 被溢流带走。 细泥)被溢流带走 而被保留,细颗粒 细泥 被溢流带走。实践证明 河沙是一种自相似体, 河沙是一种自相似体,分级尾砂与河沙的形成机 理相似,具有自相似特性, 理相似,具有自相似特性,可采用分形理论研究 其颗粒分布特征。 其颗粒分布特征。 碎体分析中,使用最广泛的是幂指数关系, 碎体分析中,使用最广泛的是幂指数关系,包 含尺度r的颗粒数目与r之间满足如下关系
第五节、 第五节、分形理论的应用
第 五 节 分 形 理 论 的 应 用
2、采空区边界的分形 分形维数定量描述了分形结构自相似程度和 不规则程度。 不规则程度。采空区是地下有用资源被开采后留 下的空硐。 Wijs对成矿模型的研究结果表明 对成矿模型的研究结果表明, 下的空硐。De Wijs对成矿模型的研究结果表明, 矿体品位的赋存状态是分形的, 矿体品位的赋存状态是分形的,即矿体的形态具 有分形特征, 有分形特征,由于采空区的形态是矿体形态的相 似反应,因此采空区形状具有分形特征。 似反应,因此采空区形状具有分形特征。

分形和多重分形

分形和多重分形

第三章 分形和多重分形分形和多重分形的概念正在越来越多地被应用到科学的各个领域中,它们在本质上描述了对象的复杂性和自相似性。

分形和多重分形是不依赖于尺度的自相似的一个自然结果。

单一的分形维数不能完全刻画信号的特征,已有例子表明许多视觉差别很大的图象却具有十分相似的分维。

实际上通过计算分形维数无法区分单一分形集和多重分形集。

为了获得对一个分形更详细的描述,需增加能刻画不同分形子集的参数,因此要引入多重分形理论。

在直观上可将多重分形形象地看作是由大量维数不同的单一分形交错叠加而成的。

从几何测度性质的角度,可将多重分形描述为一类具有如下性质的测度μ(或质量分布):对于足够小的正数r ,成立幂律特性αr x B u r ∝))((,并且不同的集对应于不同的a (其中)(x B r 表示某度量空间内以x 为中心,半径为r 的球),在此意义上,多重分形又称为多重分形测度,它揭示了一类形态的复杂性和某种奇异性。

表征多重分形的主要方法是使用多重分形谱)(a f 或广义维数q D 。

多重分形谱)(a f 在对多重分形进行精确的数学刻画的同时,通过)(a f 相对a 的曲线为多重分形提供了自然而形象的直观描述,其中a 确定了奇异性的强度,而)(a f 则描述了分布的稠密程度。

§3.1 分形的基本理论3.1.1 分形理论的基本概念㈠ 分形分形几何学是由Mandelbrot[4]首先提出并发展为系统理论,Mandelbrot 在研究英国海岸线的复杂边界时发现,在不同比例的地图上会测出不同的海岸线长度,这正是欧几里德几何无法解释的。

在研究中,他将测量长度与放大比例(尺度)分别取对数,所对应的二维坐标点存在一种线性关系,此线性关系可用一个定量参数-称分形维数来描述。

由此, Mandelbrot 进一步发展了分形几何理论,可以产生许多分形集图形和曲线,如Mandelbrot 集、Cantor 集、Koch 曲线、Sierpinski 地毯等,还可描述复杂对象的几何特性。

多元时间序列的多重分形-概述说明以及解释

多元时间序列的多重分形-概述说明以及解释

多元时间序列的多重分形-概述说明以及解释1.引言1.1 概述引言部分的概述内容可以包括以下几点:1. 多元时间序列是指包含多个时间序列的数据集合,这种数据结构在许多领域中都有着重要的应用,如金融、气象、医学等领域。

2. 多元时间序列具有不同的特点,包括多维度信息、相关性和协整性等,对其进行分析可以帮助我们深入了解数据背后的规律和趋势。

3. 多重分形是一种用于描述复杂系统自相似性的数学工具,可以帮助我们揭示数据中隐藏的规律和结构,从而更好地预测未来发展趋势。

4. 本文将介绍多元时间序列的多重分形分析方法,探讨其在数据分析和预测中的应用,为读者提供一个全面的了解和认识。

1.2文章结构1.2 文章结构本文主要分为三个部分,分别是引言、正文和结论。

在引言部分,我们将会对多元时间序列和多重分形进行简要介绍,说明本文的研究目的和意义。

在正文部分,我们将会详细介绍多元时间序列的概念和特点,多重分形的基本概念和原理,以及多元时间序列的多重分形分析方法。

通过这些内容的阐述,读者将会对多元时间序列和多重分形有一个全面的了解。

在结论部分,我们将对本文的研究进行总结,探讨多元时间序列的多重分形研究意义,展望未来的研究方向,并得出结论。

通过这一部分的内容,读者将能够更好地理解本文的主要研究内容和结论。

1.3 目的:本文旨在探讨多元时间序列的多重分形特性及其分析方法,通过对多元时间序列和多重分形的基本概念和原理进行介绍,深入探讨多元时间序列的多重分形分析方法。

通过研究多元时间序列的多重分形性质,我们可以更好地理解其内在规律和特点,为解决实际问题提供有力的理论支持。

通过本文的研究,我们可以更好地了解多元时间序列的多重分形特性,探讨其在金融、气象、生态等领域的应用,并为未来相关研究提供参考。

希望通过本文的分析,能够为多元时间序列的多重分形研究提供新的视角和思路,促进相关领域的发展和创新。

2.正文2.1 多元时间序列的概念和特点:多元时间序列是一种包含多个变量随时间变化的数据序列。

复杂混沌知识点总结图解

复杂混沌知识点总结图解

复杂混沌知识点总结图解一、基本概念1.1 复杂系统复杂系统是由大量相互作用的元素组成的系统,其整体行为不可简单地通过其组成元素的行为来解释。

复杂系统包括自然界和人类社会中的许多对象,如气候系统、生态系统、神经网络、经济系统、交通网络等。

复杂系统的性质包括非线性、动态演化、自组织、敏感依赖于初始条件和边界条件等。

1.2 混沌现象混沌现象是非线性动力学系统中的一种特殊现象,其特征是对初始条件极其敏感,微小的扰动可能导致系统行为的剧烈变化。

混沌现象的典型表现包括轨道的无限分岔、轨道的随机性、轨道的分形特征等。

1.3 复杂混沌系统复杂混沌系统是指那些既具有复杂性又具有混沌性质的系统。

这类系统的行为通常由一系列非线性微分方程描述,其行为表现为非周期性、随机性、敏感依赖于初始条件等。

1.4 分形分形是一类具有自相似性的几何形状,其形状在各个尺度上都具有相似的结构。

分形具有广泛的应用价值,在复杂混沌系统中常常描述系统的分形特征。

二、数学模型2.1 非线性动力学方程复杂混沌系统的行为通常由一系列非线性微分方程描述,典型的非线性动力学方程包括洛伦兹方程、齐次方程、吸引子方程等。

这些方程描述了系统状态随时间的演化规律,是研究复杂混沌系统的重要数学工具。

2.2 分形维数分形维数是描述分形对象维度的概念,常用的分形维数包括分形维数、盒覆盖维数、信息维数等。

分形维数可以有效地描述复杂混沌系统的分形特征。

2.3 动力学系统动力学系统是对自然界中的各种现象进行建模和分析的数学工具,包括连续动力学系统和离散动力学系统。

动力学系统可以描述系统状态随时间的演化规律,分析系统的稳定性、周期性和混沌性质。

2.4 随机过程随机过程是一类描述随机现象演化规律的数学模型,包括马尔可夫链、随机微分方程、随机分形等。

随机过程可以描述复杂混沌系统中的随机性质。

三、分析方法3.1 常微分方程数值解法常微分方程数值解法是研究复杂混沌系统的重要数值方法,包括欧拉方法、隐式方法、龙格-库塔方法等。

分形

分形

(2)地震。
地震是地球内部的岩石突然断裂而引起的地 球表面的动荡。地震具有多种分形性质,其中地 震的次数在时间上的分布就是一种。地震研究者 采取了分形几何的方法来研究地震在时间上的分 布。其中就运用到了康托尔三分集。在用于地震 时,研究者对康托尔三分集进行了改造,仍是把 一条单位长度的直线段进行三等分,但去掉的不 是中间的三分之一,而是随机地任意去掉三个线 段中的一个。这样产生了无规则的康托尔三分集。 利用康托尔集是为了说明地震的群集现象,并且 分割不是无限次进行下去的,因为在有限的时间 间隔内,地震并不是无限次的。由此计算出的分 形维数可以用来描述群集的程度:群集的程度越 高,分形维的值就越大。
(1)康托尔集(Cantor set)。 假设一条为单位长 度的线段,将其设为基本区间[0,1],把它三等分,分点 分别为1/3,2/3,去掉该线段中间的三分之一,这样留 下的部分将是两段长度分别为三分之一的线段,总长度 为2/3,用集合表示为[0,1/3] ∪[2/3,1]。接下去我们再 把这两条线段分别去掉中间的三分之一,这时留下的部 分将是四条长度各为九分之一的线段,总长度为4/9,用 集合表示为[0,1/9] ∪[2/9,1/3] ∪[2/3,7/9]∪[8/9,1]。如 此不断地循环操作,最终得到的点的集合就是康托尔三 分集。
云不是球形的,山不是锥形的, 海岸不是圆形的
纵横交错的江河流域,婉转悦耳的古 琴音乐中的旋律,蜿蜒盘旋的山岳高峰,星 际空间物质的分布,尘粉无规则运动的轨迹, 人体复杂的血管分布,如此等等。像如此不 定型的东西,在欧式几何中是无法解释分析 的。因此“分形”应运而生。
分形的定义
曼德布罗:分形是由一些与其整体以某种方式相似的部分所组成的形体。
或电就的的生多胶污态又 生波连走星长须状染物如 活分我向云;须物的质在 常布们,分宏毛,一,某 见都人树布观毛不些以些 的是体枝,世的断流不电 分分血的等界枝因水规化 形形液分等中条新中则学 现的循叉;太状的,的反 象。环以曲阳。沉粘树应 。下系及折黑还积在枝中 面统地绵子有而藻形, 具中震延的微生类状电 体血震的活观长植向极 介管级海动世,物外附 绍的的岸,界成上增近 几分分线奇中为的长沉 种支布,形晶带颗。积 自和等河怪体有粒受的 然脑;流状的许和到固

分形几何在信号分析中的评价指标

分形几何在信号分析中的评价指标

分形几何在信号分析中的评价指标信号分析是指对信号进行解析和评估的过程。

而信号的评价指标则是用来描述信号质量、特性和性能的量化指标。

在信号分析中,分形几何是一种有效的工具,可以用来评价信号的复杂性和自相似性。

本文将介绍分形几何在信号分析中的评价指标。

一、分形维数(Fractal Dimension)分形维数是衡量分形图形自相似性的重要指标。

对于一维信号,可以通过信号在时域上的纹理复杂度来计算分形维数。

对于二维信号,可以通过信号在时频域上的分布来计算分形维数。

二、分形谱(Fractal Spectrum)分形谱是用来表示信号分形特性的频谱分布。

它通过计算信号的小波分形特征,来描述信号在频域上的自相似性和尺度变换特性。

分形谱可以用来确定信号的频率成分和其在不同频率上的分形特性。

三、Hurst指数(Hurst Exponent)Hurst指数是衡量时间序列的长期相关性的指标。

它可以用来描述信号的持续性和随机性。

具有超过0.5的Hurst指数的信号被认为具有长期相关性,而具有小于0.5的Hurst指数的信号则被认为具有反相关性。

四、多重分形谱(Multifractal Spectrum)多重分形谱是用来描述信号在不同尺度上的分形特性的指标。

它可以用来刻画信号的局部分形特性和整体分形特性。

通过计算不同尺度下信号的分形维数,可以得到信号的多重分形谱。

五、Hurts指标(Hurst Indicator)Hurts指标是一种基于分形几何理论的信号评价指标。

它结合了Hurst指数和分形维数的概念,可以用来衡量信号的趋势性和波动性。

Hurts指标越大,表示信号越具有趋势性,而越小则表示信号越具有波动性。

六、相干维数(Correlation Dimension)相干维数是一种用来描述信号时间序列的动力学特性的指标。

它可以用来测量信号的相干性和复杂性。

通过计算信号的相干维数,可以得到信号的自相关性和局部结构的信息。

七、Lyapunov指数(Lyapunov Exponent)Lyapunov指数是用来描述信号时间序列的混沌特性的指标。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

第三章 分形和多重分形分形和多重分形的概念正在越来越多地被应用到科学的各个领域中,它们在本质上描述了对象的复杂性和自相似性。

分形和多重分形是不依赖于尺度的自相似的一个自然结果。

单一的分形维数不能完全刻画信号的特征,已有例子表明许多视觉差别很大的图象却具有十分相似的分维。

实际上通过计算分形维数无法区分单一分形集和多重分形集。

为了获得对一个分形更详细的描述,需增加能刻画不同分形子集的参数,因此要引入多重分形理论。

在直观上可将多重分形形象地看作是由大量维数不同的单一分形交错叠加而成的。

从几何测度性质的角度,可将多重分形描述为一类具有如下性质的测度μ(或质量分布):对于足够小的正数r ,成立幂律特性αr x B u r ∝))((,并且不同的集对应于不同的a (其中)(x B r 表示某度量空间内以x 为中心,半径为r 的球),在此意义上,多重分形又称为多重分形测度,它揭示了一类形态的复杂性和某种奇异性。

表征多重分形的主要方法是使用多重分形谱)(a f 或广义维数q D 。

多重分形谱)(a f 在对多重分形进行精确的数学刻画的同时,通过)(a f 相对a 的曲线为多重分形提供了自然而形象的直观描述,其中a 确定了奇异性的强度,而)(a f 则描述了分布的稠密程度。

§ 分形的基本理论分形理论的基本概念㈠ 分形分形几何学是由Mandelbrot[4]首先提出并发展为系统理论,Mandelbrot 在研究英国海岸线的复杂边界时发现,在不同比例的地图上会测出不同的海岸线长度,这正是欧几里德几何无法解释的。

在研究中,他将测量长度与放大比例(尺度)分别取对数,所对应的二维坐标点存在一种线性关系,此线性关系可用一个定量参数-称分形维数来描述。

由此, Mandelbrot 进一步发展了分形几何理论,可以产生许多分形集图形和曲线,如Mandelbrot 集、Cantor 集、Koch 曲线、Sierpinski 地毯等,还可描述复杂对象的几何特性。

与欧氏几何比较,分形几何主要有以下特点:1) 描述对象虽然很复杂、不规则,但不同尺度上有规则性或相似性。

2) 欧氏几何具有标度,理想的分形具有无限的几何标度,而无特征长度。

3) 欧氏几何描述特征是整数维,而具有分形的复杂曲线,其分维是大于1的非整数,具有分形的表面分维是大于2的非整数。

㈡ 分数布朗运动定义 设H 满足10<<H ,0b 为任意实数,若随机函数满足:()()()⎭⎬⎫⎩⎨⎧-+⎥⎦⎤⎢⎣⎡---⋅+Γ==⎰⎰∞----002121210),(),()21(1),(),0(w s dB s t w s dB s s t H w t B b w B t H H H H H 则称),(w t B H 为分数布朗运动。

其中H 为分形参数,2/1=H 时,),(w t B H 为普通布朗运动,w 为样本空间Ω的样本。

分数布朗运动(FBM)是一种分形模型,可以很好的描述分形信号,它是连续不可导的一种非平稳随机过程,对尺度变化具有相似性。

FBM 的增量是平稳的零均值Gaussian 随机过程。

设)(x B H 为一高斯随机场,对于10<<H ,若满足)()()(y F y x x B x x B P H H H =⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧<∆-∆+γ 则称)(x B H 为FBR 场(分数布朗随机场)。

其中)(⋅γP 表示概率测度;表示范数;H 为Hurst 分形指数,)(y F 为高斯分布函数。

对式取数学期望, 有H H h t y E t B t t B E 22/1||||)2(1|][||])()([|∆==-∆+σπ ㈢ 分形参数① 分形维数FD (Fractal Dimension),可由下式通过Hurst 指数得到,也有其它许多估计方法(见下节)FD=D+1-H , H 参数的估计有时域法和频域法,D 是拓扑维,对可求长的光滑曲线D=1;对FBR 表面D=2;FD 是描述分形的主要参数,一般的,当不规则曲线的FD 大于1或纹理表面的FD 大于2时,认为它们具有分形性。

② 增量标准差σ,也由()式得出。

③ 无标度区),(max min εε,理想分形满足()式,具有无限标度;对于实际图象,由于量化效应和模型的差异,只有一段尺度空间使()满足线性关系,称为无标度区。

实际图象越接近理想分形,其无标度区间越大,即min max /εε的值越大。

在此区间,可用线性回归方法估计H 值。

分形维数的估计法分维的估计有许多方法[5],比较实用的从速度和精度考虑,有以下几种:1) 数盒子法: 对于分形曲线,用可变尺度ε 沿曲线度量长度所需)(εN 次,)(εN 是随ε而变的,分维由下式确定:))log())(log((lim 0εεεN D →= 为求)(εN ,在计算时以不同尺寸的网状栅格覆于曲线上,ε为格子大小,然后计算求得与曲线相交的格子数,即)(εN 。

最后利用双对数曲线估计分维值。

同理,对于分形纹理曲面,它被包容在三维空间中,因此用小立方体来代替网状栅格,同样取不同尺寸的立方体覆盖于曲面上,可得到与尺寸ε对应的小立方体总数)(εN ,进而求得分形表面的分维值。

2) 功率谱法: 对图象先作付氏变换成为频谱图,其功率谱为2|)(|w P ,而频率半径为22V U R +=,作出功率谱与频率半径的双对数图,根据线性回归法求取分维值。

3) 地毯覆盖法:设分形表面为),(j i g ,形象的用厚度为ε2的地毯覆盖,则毯的上表面点集为),(j i t ε和下表面),(j i b ε,初始状态为),(),(),(00j i g j i b j i t ==,当厚度Λ,3,2,1=ε,变化时,)},(max ,1),(max{),(1),(1n m t j i t j i t Sn m --+=εεεε )},(max ,1),(max{),(1),(1n m b j i b j i b Sn m -∈--=εεε 其中S 为点),(j i 邻域点集,则在尺度ε下,毯的面积∑-=ji j i b j i t A ,2/))],(),(([)(εεεε在近来实际的工程应用中,研究者们针对一些分形维数的定义,也提出了许多关于分形维数计算的方法,如谢和平[30]等人提出的修正盒计数维数、填隙维数、两脚规维数等。

又如在图象处理方面还有Gangepain 等的计网格元法(Reticular Cell Counting )、Keller 等的基于概率的估算法、基于分形布朗运动自相似模型的估计法[6]及Sarkar 等的微分计盒法(Differential Box Counting ,DBC )等。

其中DBC 法和基于分形布朗运动自相似模型的估计方法覆盖了图象FD 较大的动态范围,但是这两种方法随纹理图象粗糙度的变化反映出的FD 估计值的变化趋势是不一样的。

DBC 法对粗糙度小的纹理敏感,粗糙度小时其变化更剧烈,而基于分形布朗运动自相似模型的估计方法在粗糙度小时其变化较前者平缓,在高粗糙度的情况下的变化比前者剧烈,因此更好地反映了大FD 情况的FD 估计差异。

我们的论文工作中,为了在下一章中利用FD 进行边缘检测,这里介绍利用基于分形布朗运动自相似模型来估计分维FD 的方法。

基于分形布朗运动模型的FD 估计法分形几何为图象几何特征的描述开辟了一个新途径。

Pentland[7] 的研究证明,自然界大多数景物表面是空间各向同性的分形,它们的表面映射成的灰度图象是具有分形特性的分形灰度表面;而各向同性的分数布朗随机场模型(FBR )是描述自然景物的有效方法之一,同一图象区域的灰度表面具有统计意义上的自相似性,通过对其FBR 模型参数的提取和研究,可以获得图象许多重要的几个参数[7]。

然而,在不同图象区域的交界处,这种分形的一致性将被破坏,在此求出的分形参数H 值将会超出其理论取值范围(如用DFBR 描述图象灰度表面,其分形参数H 的理论取值范围应为(10<<H ),正是这些H值发生奇异的地方预示了不同区域的交界位置。

因此,通过对H 值的计算和分析,可以检测出图象中的边缘[6]。

本节将采用DFBR 场模型作为描述图象区域的数学模型,据此定义一种新的分形参数H 值的计算方法,分析探讨边缘处H 值的奇异性,并将它用于图象边缘的检测实验。

㈠ 图象区域的DFBR 场模型定义 若x 与x ∆取离散值为n 和m ,则称),()(),(m n B n B m n c H H -=为离散分数布朗随机场(即DFBR 场)。

由以上定义可知,分数布朗随机场是非平稳的,而对应的离散增量(即DFBR 场)则具有统计平稳自相似性,即DFBR 场满足:HH H H H m n B n B E n B m n B E |||||})()1({||})()({|⋅-+=-+H H H H H m n B n B E n B m n B E 222||||}|)()1({|}|)()({|⋅-+=-+由上式看出,DFBR 场的一、二阶绝对矩是各向同性的。

DFBR 场模型是描述自然景物自相似性的一种有效模型,其局部统计特性能有效地吻合图象区域的局部统计特性[8]。

因此,用DFBR 场模型作为描述图象区域的数学模型,H 参数能够表征同一图象区域的自相似性(即灰度表面的均匀程度),对应的图象区域灰度表面的分形维数D 可由H 参数获得:H D D T -+=1式中T D 为图象区域的拓扑维数,2=T D 。

㈡ H 参数的定义设图象区域的灰度表面满足DFBR 场模型,),(00y x I 表示图象中),(00y x 处的灰度值,由DFBR 场模型的性质得:{}{}H y x I y x I E y x I y x I E γ∆-=-),(),(),(),(001100式中, 2020)()(y y x x -+-=∆γ;1)()(201201=-+-y y x x若定义2020)()(y y x x -+-=γ|),(),(|)(00y x I y x I I -=∆γ则上式可写成:H I E I E γγ⋅∆=∆)}1({)}({ 1>γ两边取对数得:)log()}1({log )}({log )(γγγI E I E H ∆-∆= 由DFBR 场模型的定义及性质知,DFBR 场为平稳过程,满足均值历经性,则有:)}({)(1)(1γγγγγI E I N I ∆=∆>=∆<∑> 式中γN 为到点),(00y x 之间距离为γ的象素点数。

上式可改写为:=)(γH [log ∑>--100|),(),(|1γγy x I y x I Nlog ∑=-100),(),(|1γγy x I y x I N ])|γ§ 多重分形的有关概念及性质概念多重分形[9]研究物理量或其它量在几何支集上的分布。

相关文档
最新文档