基于分形理论的高效机器视觉检测系统

基于颜色分形的水果计算机视觉分级技术

形方法确定特征值．富士苹果进行分类，对取得较好
结果。
Ｓ＝１一３
图１ＨＳ颜色三角影Ｉ
Ｆｉ．ＨｕｒａｇｅｏＩｇ１ｅｔｉｎｌｆＨＳ
， ÷（一Ｒ＋Ｇ— Ｂ）
（）１
１颜色模型确定
彩色ＣＤ系统以ＲＣＧＢ颜色模型为标准模型，
Ｈ —Ｈ ×２５３０５／６（）４
面，是色彩的颜色（色度）二是色彩的纯度（一即，即
饱和度）因此ＨＳ，Ｉ模型的描述更接近人眼感知色彩的方式］。ＨＳ模型包括三个分量，度Ｊ色度Ｉ亮，Ｈ，和度，空间在平面上呈三角形如图１所饱该示，值对应颜色矢量Ｐ和Ｒ分量的夹角，正比Ｈ于矢量尸的长度。本研究中选用ＨＩ型描述色彩空间，Ｓ模从机器
中很少采用。从人眼对色彩的感受应该包括两个方
［垦 ±！（二二旦２ＪＥｎ—Ｇ）＋（－Ｂ）Ｇ—Ｂ）（Ｒ－（］
（】３
其中：的计算与Ｇ—Ｂ有关，Ｇ≥Ｂ时．值Ｈ当Ｈ为Ｏ８。当Ｇ～１０，＜Ｂ时，值为３０一Ｈ。了保证Ｈ６。为变换后色彩空间比特数和变换前一致用式（）４处理。
ｍｌ（Ｇ，］ｎＲ，Ｂ）
（）２
通过每个像素的红）、（绿Ｇ）、（感光器件的蓝Ｂ）感光量产生２色彩空间，空间呈正立方体型，４位该色彩特征描述为ｃ—Ｒ＋Ｇ＋Ｂ。对于该模型由于获取色彩的方式和人眼观察的方式不同，颜色分类在

一种基于多尺度分形新特征的目标检测方法_魏颖

200 × 200 像素 , 目标大小为 3 × 3 ～ 20 × 20 像素
2 目标检测算法
在一定尺度范围内 , 自然背景的分形特征保持相对稳定、随尺度变化较小 ,而人造目标的分形特征随尺度变化较大 , 利用人造目标与自然背景在多尺度分形特征上的差异进行目标检测・在多尺度分形新特征图像中人造目标占据了最亮的部分 ,可以方便地对分形新特征图像像素点进行目标和背景的分类・目标检测根据目标的尺寸可分为大目标检测和小目标检测两大类 ,其中大目标检测一般归结到目标匹配识别中完成 ,而小目标检测是目标检测问题中的难点・本文所进行的目标检测 ,一般目标尺寸不超过整幅图像的 1 % ,比如对于 200 × 200 像素的图像中 ,目标大小不超过 20 × 20 像素・对分形新特征图像进行直方图统计并做面积累计 ,从最高灰度级开始 ,当面积累计大于或等于目标所占面积即 1 %时的灰度级设为阈值・设 g ( x , y) 表示分形新特征图像 , 像素数目为 M , 采用 256 个灰度级表示为 G = { 0 , 1 , …, i , …, 255} , 灰度级为 i 的像素个数为 m i , 则灰度级为 i 的出现概率 pi 为 m i / M , 阈值 t 可以求得 :
差别来区分自然背景和人造目标往往不能取得理想效果 [ 7～10 ] ・考虑目标检测是利用目标与背景之间的分形特征差异 ,并不需要精确计算其分形参数 ,而图像中背景和目标随尺度变化的差异不同 ,利用两者多尺度变化的差异来进行目标检测应是合理可行的・从这一思路出发 ,首先定义一种尺度分形维数 ,在不同尺度情况下考察分形维数的变化差异 ,由此提出一种多尺度分形新特征的目标检测方法・实验表明 ,该方法对于复杂地面背景、海面背景的红外图像和电视图像具有较好的稳健性和普适性・

分形理论在目标检测与识别中的应用研究进展

都有了长足的进展［１］。分形几何方法的引入，使一些
Ｋｅｙｗｏｒｄｓ：ｆｒａｃｔａｌ；ｔａｒｇｅｔｄｅｔｅｃｔｉｏｎ；ｔａｒｇｅｔｒｅｃｏｇｎｉｔｉｏｎ
０引言
２ｏ世纪７Ｏ年代Ｍａｎｄｅｌｂｒｏｔ提出了分形几何的概念，目前分形几何学在基础理论和应用研究等方面
ｐｌｉｃａｔｉｏｎｏｆｆｒａｃｔａｌｔｈｅｏｒｙｉｎｔａｒｇｅｔｄｅｔｅｃｔｉｏｎａｎｄｒｅｃｏｇｎｉｔｉｏｎｉｓａｄｉｓｔｉｎｃｔｅｘｅｍｐｌｉｆｉｃａｔｉｏｎ．Ｏｎｂａｓｉｓｏｆ
关键词：分形；目标检测；目标识别
中图分类号：ＴＮ９５７。５１
文献标识码：Ａ
Ａｐｐｌｉｃａｔｉｏｎｒｅｓｅａｒｃｈｐｒｏｇｒｅｓｓｏｆｆｒａｃｔａｌｔｈｅｏｒｙｉｎｔａｒｇｅｔ
推动力，分形几何和目标检测与识别领域的结合就是一个明显的例证。在简要介绍分形理论
的基础上，主要从一维序列分形分析和分形图像处理两个方面对分形理论在复杂自然背景下
的目标检测与识别中的应用研究进展进行了综述，并对其未来发展进行了展望。

机械监测与检测中的分形理论应用

表叫粗糙表面＿统Ｉ佾分形的特．Ｉ订＇１ｆ如形圳沱Ｊ参敬｜型戈ｍ蝼丧Ｉｌｌ襄征．¨ …机制造裘『＿Ｉ！ｉｌ（＇ｉｅｉ７参数柬１划丧【加１１。ｌｌ￡『．最壁
．
体系的特征＋人多数分肜一定标度范ｆ．嗣小斯地１戡放大任何部分，其不则崔度部育帽『ｌ似ｆ地ｈ叫或ｆＨｌ勺按照统汁的观点．ＬＪ乎所有的舒形又是置换不变呐．ｌ岜ｃｉ】的每部，移位、 ’ 旋转缩放等ｔ种程度与萁他仟崽郁某舒部有相同或相似的部分俘在分形结构昕县有１￣Ｊｇ＆补
面做了大量的研究１怍．已经取得丰顾的舒究成果主要ｆ
鹰独立的舒形参数可以使粗糙表面与噼胃形貌的表征简单而明丁．重要的是能使这一表征易ｆ别并日有唯一睦此外基于舟形参数昕建市的孽擦学研究模型的预删结粜．可望不受删量ｆ器分辩率和取样长度等因辽素的影硐，而有效地避免人谋莘的产溅偶然误从ｉ，差环节．此比传统的基于缝汁分・的鲢结求更
的做札糙慢定从
分肜ｆ芒曲渗凡提供ｆ概九曲问Ｌ ¨Ｉ曲是衙是高骶小、谶打的． …ｊ的变化止堪随Ｌ￣严惭蜕水ｎ讥取决Ｊ：Ｉ．ＩＪ０ ’ 整个ｆｌＪｌ系统的９．【ｊ１１稳定状ｌ近啦川＃帕研
张发军 ‘ 李睿远。柴苍修 ’

基于分形小波变换的MEMS动态模糊图像亚像素检测技术

基于分形小波变换的MEMS动态模糊图像亚像素检测技术陈治;胡晓东;傅星;胡小唐【期刊名称】《纳米技术与精密工程》【年(卷),期】2009(007)003【摘要】基于机器微视觉的微机电系统(MEMS)动态测试系统,提出了一种分形小波变换亚像素检测技术提取MEMs运动轨迹算.法_该算法结合电耦合器件(CCD)成像机理,利用图像的分形参数进行随机分形插值对图像边缘进行重建,通过小波变换实现重建后图像亚像素精度的边缘检测.在连续光照明条件下,时MEMS平面微运动模糊图像进行检测处理,提取和分析了MEMS运动轨迹.将该方法和在频闪条件下测得的MEMS器件的平面微运动幅值的结果进行了比对分析和讨论.由实验结果可以看出,本方法有较高的测量精度,其测量绝对误差小于0.02像素.【总页数】5页(P211-215)【作者】陈治;胡晓东;傅星;胡小唐【作者单位】天津大学精密测试技术及仪器陶家重点实验室,天津300072;天津大学精密测试技术及仪器陶家重点实验室,天津300072;天津大学精密测试技术及仪器陶家重点实验室,天津300072;天津大学精密测试技术及仪器陶家重点实验室,天津300072【正文语种】中文【中图分类】TH133.21【相关文献】1.基于改进小波变换和Zernike矩的亚像素边缘检测算法 [J], 文涛;左东广;李站良;卫宾华2.基于亚像素综合定位匹配算法的MEMS平面运动测量 [J], 谢勇君;史铁林;白金鹏;来五星3.基于亚像素模糊检测的Wiener对运动模糊图像复原方法 [J], 顾国华;田宗浩;吴海兵;田欣4.基于小波变换的亚像素计算机视觉检测算法 [J], 申宗林;李智成;李彩红;梁皓嶙;李锋5.混合分形和小波变换亚像素图像边缘检测算法 [J], 罗元;计超;胡章芳因版权原因，仅展示原文概要，查看原文内容请购买。

基于分形特征的目标检测算法研究的开题报告

基于分形特征的目标检测算法研究的开题报告1. 研究背景随着计算机视觉技术的不断发展，目标检测技术已经成为计算机视觉领域的重要研究方向之一。

随着深度学习技术的广泛应用，目标检测技术取得了飞速的发展。

然而，针对一些特殊场景下的目标，目标检测仍存在一定的局限性。

在这些场景下，目标的形状和纹理信息较为复杂，传统的基于特征匹配的目标检测算法无法取得良好的效果。

因此，在这些场景下，我们需要一些新的目标检测算法。

在这里，我们提出一种基于分形特征的目标检测算法，该算法试图通过分析分形特征来实现目标检测。

分形是一种自相似的几何模式，广泛应用于图像处理和模式识别领域。

我们相信，通过分析分形特征，我们可以实现对于特殊场景下的目标的检测。

2. 研究内容本研究的主要目标是探究分形特征在目标检测中的应用。

具体研究内容包括：(1) 对分形特征进行深入研究，包括分形维数、分形谱等。

(2) 探究如何利用分形特征进行目标检测，包括如何提取分形特征、如何进行目标匹配等。

(3) 实现基于分形特征的目标检测算法，并与现有的目标检测算法进行对比试验，验证该算法的优劣。

3. 研究意义本研究的意义如下：(1) 通过本研究，可以拓展目标检测的研究范围，为特殊场景下的目标检测提供新的思路和方法。

(2) 通过本研究，可以加深对于分形特征的理解、应用和研究。

(3) 通过本研究，可以促进分形特征在图像处理和模式识别领域的应用。

4. 研究方法本研究主要采用如下研究方法：(1) 文献综述。

首先，我们将对相关领域内的文献进行全面而深入的综述，包括分形理论、目标检测、深度学习等。

(2) 分形特征提取。

本研究采用多种方法对于分形特征进行提取，包括传统的盒计数法、小波分形方法等。

(3) 分形特征匹配。

本研究探究多种分形特征匹配的方法，包括传统的模板匹配、基于深度学习的匹配等。

(4) 系统实现。

本研究将实现基于分形特征的目标检测算法，并在模拟和实际场景中进行测试和验证。

基于分形特征的目标检测算法概述及仿真

ＢａｅｎＦｒｃａａｕｒｓｓｄｏａｔｌＦｅｔｅ
ＺＨＵＧＥＸｉ，ＸＩａＡＮＧｉｎｙｎＪａ－ｏｇ
（ａｏａｏｙｏｈｔｅｃｒｎＩｇＰｏｅｓｇＩｓｔｔｆＴｃｎｌｉｌｈｓｓＸｄａｎｖｒｉ，ｈｎｘＸｎ７０７．ｈｎ）ＬｂｒｔｒｆＰｏｏｌｔｍａｅｒｃｓｉ，ｎｔｕｅｏｎｉｅｏｅｈｏｏｃＰｙｉ，ｉｉｎＵｉｓｙＳａｎｉｉ１０１Ｃｉａｇａｃｅｔ
引言
８０年代人们提出利用人造目标分形维数和自然背景分维数的差异进行目标检测。自然背景满足分形
基于红外图像的目标检测一直是人们关注的焦模型，具有很强的自相似性，它的分维数相对于不具点，人们对此也作了很多研究【ＪＩ，本文的检测也是基有自相似性的人造目标来说比较小，因此我们可以通＇２于红外图像的。分形理论自提出以来【，就备受人们过比较图像不同区域的分形维数的大小来找出目标所３Ｊ关注，它在许多科学领域都得到了应用，如大家比较在区域。如文献［】６中所示，我们用大小固定的滑窗对熟悉的用分形进行边缘检测【。自然背景图像是不光４Ｊ图像进行扫描，分别求出每一扫描区域的分形维数，滑和不规则的，无法用经典的几何理论加以描述，但对于二维图像分维数的求法，的最多的就是 “ 用地毯 ” 是近年来发展的分形几何为描述这种不光滑性和不规覆盖法，用距离图像表面尺度为ｒ的灰度地毯分别覆则性提供了很好的理论基础和研究手段【Ｊ大量的研盖图像的上表面和下表面，上地毯Ｕｉ）下地毯４。，５￣ｆ和究表明分形模型可以很好地描述自然背景的表面和空Ｂｉ）￣ｄ求法如下所示：间结构，但是人造目标不满足分形条件，因此我们在用分形模型对一幅包含人造目标的自然背景图像进行式中：描述时，包含人造目标的自然背景区域和纯自然背景

基于分形理论的声纳图像人造目标检测算法

的检测方法在海底存在岩石等类似于水雷等人造目标的情况下，常会导致较高的虚警率。由于人造目标和自然背景之间的纹理特性的不同，自然背景一般具有较复杂的纹理，而人造目标形状规则、面光滑、表纹理简单。利用分形模型中分形
维数特征、距特征、形拟合误差特征以度多尺度分形特征进行声纳图像人造目标检测，真实验表明基于分形的检截分仿测算法可较好地实现人造目标和自然背景的分离，而为成像声纳水下探测技术的进一步发展奠定了基础。从
Ｋｙｗｒｓａ－ｄ￣ｅｔｆｃｌｆａｒ；ｎｒｉａｅｔｔｒｅｏｄ：ｍｎｍａｅｏｃ；ａｔｅｔｅｓａｍｇ；ｘｕｅｒａｕｏｅ
１引言
近年来，随着海洋科学在社会生活中地位的日益提升，及
维普资讯
基于分形理论的声纳图像人造目标检测算法
田晓东．刘忠
（海军工程大学，武汉４０３）３０３
Ｅ－ｉ：ｘｑｘ＠１３ｃｎｍａｌｔｄｔｙ６．ｏ
摘
要：声纳图像中人造目标的自动检测是当前水下探测领域需要重点解决的问题之一。传统的基于目标回波信号强度
ｂｃｇｏｎ，ａｕａｂｃｇｏｎａｌａｓｃｍｌａｅｅｔｒｎａ－ａｅｏｊｃａｉｐｅｔｔｅａｄｒｇｌａｋｒｕｄｎｔｒａｋｒｕｄｈｓａｗｙｏｐｉｔｄｔｕｅａｄｍｎｍｄｂｅｔｈｓｓｌｅｕｎｅｕａｌｃｘｍｘｒｒ

基于分形理论的边缘检测算法

到遥感和天文学等很多方面都有着非常重要的价值。好的边实用价值和影响。分形检测主要是基于整个观测空间的宏观的
② 寻找与Ｒ最为相配的父块，我们将其设为Ｄ，以图像的中 ③在寻找父块时，如果其失真度在ｅ以下，就结束搜索它最为相配的父块；如果父块的失真度超过ｅ，就对子块以及父块
律，能够很好的判断图像边缘所在，在图像处理中作为提取图
像边缘的依据。不过通常采取这种方式来进行图像处理的时
候，图像的分区域检查要耗费很长的时间。因此就这一现象的
对应。就图像来说，测度ｕ一般是指黑白对比度的函数方程式，
在这里我们假设Ｑ是一个划定的范围，Ｉ（ｘ，ｙ）是（ｘ，ｙ）的黑白
２采取多种分形方式提取图像边缘
２．１单一的分形方式
作为整个迭代体系趋向渠道集合的图形和原图之间并不完全一样，包括内部的各个分形结构也有着或多或少的区别，子图分形结构或多或少会在原图的基础上发生失真的现象。在图像边界的分形结构失真最严重，和原图差异性最大；位于边缘区的子图的分形失真度比较大，位于图形内部较为平整区域的
对比。得出依赖于分形编码的边缘检测算法复杂且检测时间过长，而利用图像的分形特征以及统计特征来进行测度，并选择多种测度方式，可提高图像边缘区域的精细程度，得到更多的图像信息资源。
关键词：分形理论；边缘检测；多重分形；图像处理
图像处理所涉及的领域很广，从生物医学工程和工业检测们将他们设为Ｒ，Ｒ的左上角位于（ｋ，１）。

基于分形技术的目标检测算法研究

第32卷第5期红外与激光工程2003年10月V ol.32N o.5In frared and Laser Engineering Oct.2003基于分形技术的目标检测算法研究李军伟1,朱振福2,贾京成2,刘忠领2(1.北京理工大学信息科学技术学院,北京　100081;2.中国航天科工集团第二研究院第207研究所,北京　100854) 摘要:分形特征参数对于自然背景和人造目标存在着本质差别,充分利用这些差别,能为目标检测提供一种新思路,就分形技术在数字图像处理领域中目标检测方面的应用进行了讨论。

分形的应用总是以各种分形参数为中介,有时完全依赖于分形参数,有时将分形参数和其他参数相结合,有时将分形方法和其他方法相结合,在处理的不同阶段分别采用分形方法和其他方法。

对几种分形特征参数的估算方法及其在目标检测中的应用进行了研究。

关　键　词: 分形维数;　分形模型拟合误差;　序列图像处理;　目标检测中图分类号:TP391 文献标识码:A 文章编号:100722276(2003)0520468204Study on the target detection algorithm based on fractalLI Jun2wei1,ZH U Zhen2fu2,J I A Jing2cheng3,LI U Zhong2ling2(1.C ollege of In formation Science and T echnology,Beijing Institute of T echnology,Beijing100081,China;2.The207th Institute of the Second Academy of China Aerospace Science Industry C orporation,Beijing100854,China)Abstract:There are essential differences in the fractal characteristic parameters between the natural background and man2made targets,which provide a new kind of thought for target detection.The fractal appli2cation for the target detection is discussed.The fractal application always bases on the various fractal parame2ters,which s ometime relies on fractal parameters com pletely,s ometime combines the fractal parameters andother parameters each other,and s ometime combines the fractal method and other methods each other.It isstudied on the estimating methods of s ome fractal characteristic parameters and their application in the targetdetection.K eyw ords: Fractal dimension;　Fractal m odel fit error;　Sequence2image procession;T arget detection. 收稿日期:2002210220;　修订日期:2003201215作者简介:李军伟(19772),男,湖北衡阳人,工程师,博士生,研究方向为目标识别与跟踪数字信号处理、DSP及FPG A设计开发等。