Abstract:多重分形理論已經(jīng)被廣泛應(yīng)用于多個(gè)領(lǐng)域中形病。本文基于多重分形去趨勢(shì)波動(dòng)分析提出了提取灰度序列和二維灰度圖像的兩種多重分形描述符鳞绕。通過紋理測(cè)試钦椭，提出的多重分形參數(shù)可以很好的描述紋理特征瞒津。已經(jīng)進(jìn)行了三個(gè)方面的實(shí)驗(yàn)來驗(yàn)證所提出參數(shù)的魯棒性袜匿，包括噪聲干擾，圖像模糊程度和壓縮比舒憾。將所提出的的參數(shù)與通過標(biāo)準(zhǔn)多重分形分形計(jì)算的其他種類的紋理特征參數(shù)镀钓，不同盒計(jì)數(shù)法和灰度共生矩陣之間進(jìn)行比較。結(jié)果表明镀迂，所提出的參數(shù) H(2) and h(2)具有很強(qiáng)的抗噪性丁溅，對(duì)新圖像壓縮和模糊具有魯棒性。
Inctroduction:紋理粗糙度是圖像內(nèi)容表述的重要特征探遵，在圖像分析窟赏、識(shí)別、理解中發(fā)揮重要的角色箱季。在描述和測(cè)量紋理粗糙度方面可以找到相當(dāng)多的方法涯穷，如基于灰度共生矩陣的統(tǒng)計(jì)特征，灰度級(jí)行程長(zhǎng)度矩陣藏雏、灰度直方圖和分形理論拷况。近年來，多重分形理論得到了迅速發(fā)展掘殴，他的對(duì)象是局部不規(guī)則和整體自相似結(jié)構(gòu)赚瘦，這與這與圖像紋理的結(jié)構(gòu)復(fù)雜性和規(guī)律性是一致的。Mandelbort指出奏寨，多重分形是一種強(qiáng)大的工具起意，用于描述和模擬97年金融市場(chǎng)的各種異常價(jià)格波動(dòng)。多重分形可以提供不同時(shí)間尺度的不同波動(dòng)率的金融資本的詳細(xì)信息病瞳。在圖像分析領(lǐng)域揽咕，提出了幾種多重分形方法解決相關(guān)圖像處理問題。Lopes研究了用于體積紋理特征的局部分形和多重分形特征仍源。Alvarez研究了紋理圖像的粗糙特征心褐。Xu等人用MFA和Gabor濾波器獲得了一個(gè)穩(wěn)健的紋理描述符。Ouahabi提出了基于離散小波變換的多重分形分析紋理特征的新方法笼踩。Yong等人提出了一種基于形態(tài)學(xué)的多重分形估計(jì)紋理分割方法，其分割錯(cuò)誤率低于傳統(tǒng)MFA.從新方法提取到穩(wěn)定的特征參數(shù)得到了很好的結(jié)果亡嫌。這表明分割效果的好壞很大程度上取決于圖像的紋理描述符嚎于。自從Gu和Zho將一維MFDFA發(fā)展到高維掘而，二維MF-DFA作為描述平面多重分形性質(zhì)的新方法，在特定的圖像處理過程中有一定的應(yīng)用價(jià)值于购。然而袍睡，這些都是直接將二維MFDFA直接應(yīng)用到圖像處理中，并沒有解釋為什么使用這種方法肋僧。換句話說斑胜，他們并沒有證明MFDFA在圖像分析中對(duì)其他方法的優(yōu)越性。
本文研究中嫌吠，提出了基于MF-DFA提取二維灰度圖像多重分形參數(shù)的兩種方法止潘。為了驗(yàn)證
所提出的參數(shù)作為描述紋理特征的描述符的魯棒性，紋理數(shù)據(jù)庫(kù)包含從Brodatz數(shù)據(jù)集中隨機(jī)選擇的八個(gè)紋理和另外一個(gè)包含四個(gè)真實(shí)圖像的圖像數(shù)據(jù)庫(kù)辫诅，用于三個(gè)方面的實(shí)驗(yàn)即噪聲干擾凭戴，圖像模糊度和壓縮比。對(duì)提出的方法和其他現(xiàn)存的方法（如標(biāo)準(zhǔn)MFA,不同盒計(jì)數(shù)法（DBC）以及灰度共生矩陣）進(jìn)行比較炕矮。比較結(jié)果顯示么夫，提出的兩種描述符在抵抗噪聲方面具有優(yōu)勢(shì)且對(duì)圖像壓縮和模糊具有魯棒性。
Methods:MF-DFA for one dimensional gray series,MF-DFA for two dimensional surfaces
Test and analysis:Testing of noise immunity,stability to compression ratio,atsblity to image blurring
Discussion and Conclusion
