分形和多重分形
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
dem多重分形的计算方法

dem多重分形的计算方法
DEM(Digital Elevation Model,数字高程模型)是描述地表地形和地貌的数字化模型。
多重分形理论是一种用于描述和分析具有多尺度特征的复杂系统的方法,可以应用于DEM数据的分析和计算。
下面是一种常用的计算DEM多重分形的方法:
1. 数据预处理:首先,对DEM数据进行预处理,包括数据的插值、平滑和去噪等操作,以确保数据的准确性和可靠性。
2. 分割数据:将DEM数据按照不同的尺度进行分割,可以通过使用不同的窗口大小或滑动窗口的方式来实现。
较大的窗口尺寸适用于较粗的尺度分析,较小的窗口尺寸适用于较细的尺度分析。
3. 计算局部均值:对于每个分割窗口,计算窗口内所有像元的高程值的均值。
这将产生一个局部均值图像。
4. 计算局部方差:对于每个分割窗口,计算窗口内所有像元的高程值的方差。
这将产生一个局部方差图像。
5. 计算分形维度:使用局部均值图像和局部方差图像计算分形维度。
一种常用的计算方法是通过计算局部方差与局部均值的对数之间的线性拟合来得到分
形维度。
6. 分析结果:通过分析分形维度的分布、尺度关系和变化趋势,可以揭示DEM数据的多重分形特征。
需要注意的是,DEM多重分形的计算方法可能因具体的研究目的和需求而有所差异,上述方法仅为一种常见的计算方式。
在实际应用中,还可以使用其他分形分析方法和工具进行DEM数据的多重分形计算和分析。
多重分形

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
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。
基于多重分形理论的壤土粒径分布非均匀性分析

摘 要 : 壤粒径 分布是 影 响土 壤水力 特性 最基 本 的土壤 物理 性质 之 一. 土 为定 量描 述壤 土粒 径分 布 的非均匀特 性 , 应用 激 光粒 度仪 对 6个 典 型壤 土 土样 测定 了土 壤颗 粒 的等效 直径和分 布规律 , 运用 分形 和 多重分 形理 论描 述 了土壤 粒径 分 布
粒径分 布 的成 功选 择 . 国外一 些学 者 墙试探 性 的利 用多 重分 形 理 论对 土 壤 的粒 径 分 布
进行了初步研究 , 结果表 明, 应用多重分形能够捕捉到土壤粒径分布更为细致 的信息 , 在 定程 度上 为土壤 结构 的定量 化研 究奠定 了基 础 .
一
本文利用激光粒度仪精确测定了壤土等效直径和分布规律 , 利用测量结果给出表征 土壤粒径分布非均匀性的多重分形谱 , 并对其非均匀性进行了定量表征 , 为土壤粒径分布
的非均匀性, 计算 了 粒径分布的分形维数 和奇异性指数 及其相应的谱 函数 ) 得 到 了壤 土粒径分 布 的分 形维 数和 多 重分 形谱 曲线. 果表 明 : 土 的粒 , 结 壤 径 分布具 有分 形和 多重分形特 征 , 单分形 只能描述 土壤 粒径分布 的整体 特征 , 多
壤结构的非均匀特征成为可能 . 土壤结构定量化表征 的方法就是确定土壤结构的分形 维数 对于不同性质的土壤 , 引, 其粒径分布分维数反映了粒径大小和分布的均匀程度 以 及土壤质地 中粘粒 、 粉粒和砂粒含量的变化 , 分维数愈大 , 土壤颗粒的粒径愈小 , 细粒含量 愈高 , 质地愈不均匀 J而 目前关于土壤结构的分形模型都是基于土壤结构 的单一分形 .
土壤 粒径分 布 (atl—z ir uo ,S 是指 土壤 固相 中不 同粗 细级别 的土 粒所 prc s edsi tnP D) ie i tb i 占的 比例 , 是最基 本 的土壤物 理性质 之一 , 强烈 的影 响着 水力 性质等 重要 的土壤物 理特 它
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。
多重分形理论在环境科学领域的研究进展

分形谱 计算、 浓 度一 面积 ( C - A) 模 型 等 在 环 境 科 学研 究 中起 着 重 要作 用 。 已经取 得 的 研 究成 果 表 明 , 多 重 分 形 理 论 已经 成 为 环
境 科 学 研 究 中一 种 重 要 理 论 , 非 常 值 得 环 境 科 技 工 作 者 进 一 步 学 习、 研究和应用。 关 键 词: 多 重分 形 理 论 ; 环 境 污染 ;算 法
s c i e n t i f i c r e s e a r c he s . As a g e n e r a l i z a t i o n o f a f r a c t a l s y s t e m ,t he mu hi f r a c t a l s y s t e m e mp l o y s a c o n t i nu o us s p e c — t r u m o f e x p o ne n t s t o d e s c r i b e c o mp l e x p h e no me n a .I n r e c e n t 3 0 y e a r s ,m u l t i f a r i o u s a p p l i c a t i o n s o f t he mu t l i f r a c t a l t he o r y a r e f o u n d i n e n v i r o n me n t a l r e s e a r c he s a n d ma n y a c h i e v e me n t s h a v e b e e n o b t a i n e d, s u c h a s e x t r a c t i n g t h e l o we r l i mi t o f t he e n v i r o n me nt a l g e o c he mi c a l a n o ma l y, d e s c r i b i n g t h e s pa t i a l d i s t r i b u t i o n pa t t e r n s o f t he e n v i r o n —
分形理论在无机材料中的应用

分形理论在材料中的应用1 分形理论简介Fractal 一词,源于拉丁文Fractus。
原译为“不规则的”或“破碎的”,但通常把它译为“分形”。
近年来,分形一直是国内外有关学者们的研究热点,它的应用性研究逐渐被渗透至物理、数学、化学、生物、医药、地震、冶金,甚至哲学、音乐与绘画等各个领域。
1. 1 分形理论的提出众所周知,普通的几何对象具有整数维数。
例如:点为零维,线为一维,面为二维,立方体为三维。
然而,自然界中真实的线、面并不总是光滑的,许多物体的形状也是极不规则的,例如连绵起伏的山脉轮廓线、曲折蜿蜒的江河川流、变幻无常的浮云,以及令人眼花缭乱的繁星等等。
同样,这种现象在材料科学中也很普遍,如:高分子的凝聚体结构、材料固体裂纹、电化学沉积等等,这些都是难于用欧氏几何学加以描述的。
对于诸如具有此类几何结构的体系,如何进行定量表征呢? 随着人类对客观世界认识的逐步深入,以及科学技术的不断进步,象传统数学那样把不规则的物体形状加以规则化,然后进行处理的做法已不能再令人满意了。
于是,在七十年代中期,分数维几何学应运而生[1 ] 。
整数与分数维集合的几何测度理论,早在本世纪初已由纯数学家们发展起来。
但谈到分数维几何学的创始人,则首先当推法国数学家曼德尔布罗,他在总结了自然界中的非规整几何图形后[2 ] ,于1975 年第一次提出分形这个概念。
此后,分形在不同学科领域中被广泛地应用起来; 直至1982 年德尔布罗出版了他的专著《The Fractal Geomet ry of Nature》则表明分形理论已初步形成[3 ] 。
1. 2 自相似性分形结构的本质特征是自相似性或自仿射性。
自相似性是指:把考察的对象的一部分沿各个方向以相同比例放大后,其形态与整体相同或相似。
简单地说,就是局部是整体成比例缩小的性质。
形象地说,就是当用不同倍数的照相机拍摄研究对象时,无论放大倍数如何改变,看到的照片都是相似的(统计意义) ,而从相片上也无法断定所用相机的倍数,故又称标度不变性或全息性。
- 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、"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、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。
§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。
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3.1 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 (3.1) 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(3.1)式取数学期望, 有H H h t y E t B t t B E 22/1||||)2(1|][||])()([|∆==-∆+σπ (3.2) 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(3.2)式得出。
③ 无标度区),(max min εε,理想分形满足(3.2)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(3.1)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。
3.1.2 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 ,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 BoxCounting,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。
3.1.3 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(1<H),正是这些H0<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3.3 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 ∆-∆= (3.3) 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 N log ∑=-100),(),(|1γγy x I y x I N ])log(|γ (3.4)§3.2 多重分形的有关概念及性质3.2.1 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。