基于多重分形理论的纹理分割方法研究.docVIP

PAGE PAGE 15 基于多重分形理论的纹理分割方法研究 摘要： 近年来，分形作为一门新兴学科已经在许多自然科学领域得到应用。我们可以通过分形理论中的简单的递归，迭代的方法生成各种复杂的自然景物。分形维数直观上又能表征物体表面的粗糙程度，自然界中不同纹理的粗糙度有很大差别，因此可将分形维数作为区分不同纹理的参数。目前将分形理论应用到图像分割领域是国内外的一大研究热点。然而随着研究的深入，人们发现，当两种纹理的分形维数十分接近时，计算机很难将它们区分开来，人眼却觉得它们差异很大。这是因为，分形维数只能刻画那些具有理想的自相似性的分形体，但在现实中，许多纹理都是不规则的。为此，我们需要增加参数来更细致的描述不同的分形集。这即是多重分形理论。多重分行从整体和局部上综合概括纹理特征，能够全面的描述纹理。 本文主要研究内容如下： 1.简要给出分形的定义，分析分形维数作为参数表征纹理特征的优势。 2.介绍两种评估分形维数的经典方法：记盒维数法和差分盒维法，并对这两种方法的适用范围进行了比较。 3.在差分盒维法的基础上引入多重分形理论，并从多重分行谱和广义维数谱分析多重分形理论在纹理特征的研究和提取中的优势及局限性。 4.完成最终的聚类。 关键词：分形理论分形维数多重分行理论聚类 Texture Models And Image Measures For Texture Discrimination Abstract: In recent years, as an emerging discipline fractal is applied in many fields of natural science. We can through the simple recursive in fractal theory, the iterative method to generate a variety of complex natural scenery. Fractal dimension can intuitively and characterization of surface roughness, different texture roughness has great difference in the nature, so as to distinguish the different fractal dimension can be texture parameters. Now apply fractal theory to the field of image segmentation is one of the main research focus at home and abroad. However, with the deepening of the research, it has been found that when two texture fractal dimension scores points approaches, the computer is difficult to distinguish them, the human felt they difference is very big. This is because fractal dimension can only describe the self-similarity of fractal objects with ideal, but in reality, many textures are irregular. To this end, we need to add parameters to more detailed descriptions of different fractal sets. This is the multifractal theory. Multiple branch comprehensive summary from the global and local texture feature, to fully describe the texture. Keywords: texture segmentation physical texture discrimination image substructures 第一章绪论 1.1 研究背景及问题的提出 图像分割是图像处理中一个很重要的步骤，是我们进一步了解图像的基础。在各个领域对图像的研究及应用当中，提取图像中有用的部分才能进一步对它作出辨识和分析。然而现在图像分割并没有统一的理论体系，各种技术和算法也是层出不穷。 纹