[发明专利]一种基于合并复制的图像分形特征的增强估计方法

说明书

技术领域

本发明属于分形图像处理技术领域，具体涉及一种基于合并复制的图像分型特征的增强估计方法。

背景技术

分形理论产生于20世纪70年代末80年代初，是研究不规则图形以及混沌运动的新兴学科。分形理论与图像之间的自然联系奠定了其在图像处理中的应用，图像的分形特征也吸引了大量图像研究者的关注。自然界中的很多自然景物都是可以通过分形模型加以描述的，例如天空、海洋和地面等。而对于人造物体的表面和空间结构，其与分形模型所描述的特征规律存在着固有的差异。因此，可利用分形特征作为人造目标检测的测度。分形特征作为分形应用于图像处理领域的核心工具，不仅可以度量图像表面的不规则程度，而且具有多尺度多分辨率变化的不变性，这同人类视觉对图像表面纹理粗糙度的感知是一致的。综上所述，分形特征成为描述图像表面特征的一个有效途径。研究中常见的图像分形特征有分形维数、Hurst指数、分形截距特征等，本发明主要以分形维数为例，对该分形特征进行增强估计。

在基于分形维数的形状分析、模式识别、纹理分割等分形图像处理领域中，整个算法的流程多是对图像各个像素点取邻域窗口，或是直接将图像均匀分割为等大窗口，利用盒计数方法等分形维数计算方法估计该窗口内图像子块的分形维数，根据算得的分形维数来对图像进行进一步的形状分析、模式识别、纹理分割等。对于上述算法流程，主要存在两大问题。

首先，是窗口尺寸选择的问题。为了反映出图像局部变化的复杂程度，检测出图像的局部细节，通常要求窗口尺寸尽可能的小。但是由于分形维数多采用多尺度覆盖的方式进行计算，其计算是一个统计的过程，若窗口尺寸过小，将无法获得足够多组的统计数据，以至于分形维数无法计算或计算结果不够准确。

其次，是算法灵敏度的问题。由于分形理论自身具有尺度统计特性，算法先天对于图像变化具有较低的灵敏度，仅当图像变化足够剧烈时其分形维数才会发生明显变化。这也造成实际处理图像时，部分图像细节的分形维数与背景区域区分不明显，不利于进行形状分析、模式识别、纹理分割等图像处理。

发明内容

有鉴于此，本发明的目的是提供一种方法可以对图像的分形特征进行增强并加以估计，解决了小尺寸图像分形特征难以估计的问题以及提取的图像分形特征不明显的问题，可以将原始图像进行尺寸放大以便于图像分形特征的估计，并且放大后的图像其分形特征相较于原始图像得以增强。

一种基于合并复制的图像分形特征的增强估计方法，包括如下步骤：

第一步，确定待估计的原始图像；

第二步，对第一步确定的原始图像分别进行水平镜像、垂直镜像以及对角镜像处理；

第三步，将原始图像与其水平镜像、垂直镜像及对角镜像按照对应镜像位置排列和组合，得到尺寸放大为两倍的图像，即为第一次合并复制后的图像；

第四步，根据实际需要的图像分形维数估计需求以及灵敏度需求，确定合并次数n；

对第一次合并复制后的图像分别进行水平镜像、垂直镜像以及对角镜像处理，并将第一次合并复制后的图像与其水平镜像、垂直镜像及对角镜像按照对应镜像位置排列和组合，得到第二次合并复制后的图像；以此类推，最终得到尺寸放大2ⁿ倍的图像，即为第n次合并复制后的图像；

第五步，对第n次合并复制后的图像进行分形特征的计算，即为所述待估计的原始图像的分形特征的估计。

较佳的，所述合并复制次数n取2～4。

较佳的，采用盒计数方法进行分形特征估计：将合并复制后的图像看成三维表面，z轴代表图像灰度；以尺度r构造三维盒子并覆盖整个图像表面，统计覆盖所需要的最小盒子数目N_r；通过改变覆盖盒子的尺度r，计算出不同尺度r下覆盖整个图像表面所需要盒子的个数N_r，根据盒计数维数的定义：