为了过滤木材高光谱图像中大量的冗余信息, 提升应用图像纹理进行分类的准确率, 本文采用基于多重分形理论的木材高光谱图像分类算法。首先利用不同的特征选择算法选取最具代表性的10个波段; 随后根据不同的函数密度图像对所选取波段的图像求解其多重分形曲线, 将选择出的多个波段所对应的多重分形曲线取平均, 得到表示样本纹理特征的多重分形曲线; 最后使用支持向量机和BP神经网络分类器对多重分形曲线进行分类。实验表明, 相对熵(K-L散度)要好于自适应波段选择(ABS)提取的波段, 多重分形算法提取的高光谱图像纹理特征要好于灰度共生矩阵, 支持向量机算法的分类准确率和速度要优于BP神经网络, 融合K-L散度、多重分形和支持向量机算法能够有效地提高木材高光谱图像的识别准确率, 最高识别准确率达到了97.91%。

开展了健康对象甲状腺动态红外图像的多重分形特征研究, 并对不同个体甲状腺多重分形特征参数进行了统计分析与差异性检验。首先, 在恒温恒湿实验环境下, 获取多帧人体甲状腺红外图像, 并对其进行网格划分, 形成温度时间序列。然后, 探讨了适合人体甲状腺多重分形分析的原始信号长度、小波变换尺度因子、统计矩阶数的取值。在确定好上述参数后, 对温度时间序列进行多尺度小波变换, 求解其小波变换模极大, 进而获取不同健康对象甲状腺左右叶多重分形特征参数的分布特性。研究结果表明: 健康对象甲状腺多重分形特征谱线分形维数取得极值处对应的奇异性指数c1的分布集中在1.1~1.3范围内, 间隙系数c2的分布则集中于0.002~0.005范围内, 二者分布特征不存在个体差异的检验水准α=0.01; 多重分形谱线半峰宽集中于0.164~0.166范围内且不存在个体差异的检验水准α=0.05。

为了有效识别光纤周界系统的振动信号, 提出一种多重分形谱参数和改进概率神经网络相结合的光纤振动信号识别方法.该方法能够避免特征提取过程中需要选择经验阈值和模式识别过程中需要确定平滑因子的不足.首先, 检验分析光纤振动信号多重分形的存在性和有效性.然后, 计算和提取光纤振动信号的多重分形谱参数, 构成能够准确描述信号非线性和复杂性特性的特征向量.最后, 采用改进的概率神经网络算法进行自适应地学习和分类, 实现对不同光纤振动信号的识别.采用现场实验采集的四种振动信号对该方法进行验证, 结果表明, 平均识别率达到96.25 %, 识别时间为1.63 s.该方法在正确识别率方面优于传统的概率神经网络算法.

液晶光学器件中液晶分子的转动由施加在ITO薄膜电极间的电场来控制,ITO晶体结构中空穴和自由电子与强激光的相互作用,使ITO薄膜电极成为液晶光学器件结构中激光损伤的薄弱环节。为探索ITO薄膜电极的激光损伤机制,使用原子力显微镜(AFM)对厚度约为10nm的ITO薄膜的表面形貌进行了测量。采用多重分形理论,定量分析了薄膜表面粗糙度及微孔洞分布情况,对薄膜在脉冲宽度为10ns,能量分别为50mJ、100mJ、200mJ激光辐照下所获得薄膜的表面粗糙度分布情况进行比较分析,结果显示,随着激光功率的增加,多重分形谱的谱宽SymbolDA@SymbolaA@呈增大趋势,且△f为负值,表明ITO薄膜表面粗糙度增大并形成微孔洞缺陷。

针对红外图像中的目标对比度低、背景复杂及受噪声严重干扰等特点,利用象素之间的相关性,提出了一种基于相关多重分形奇异性分析的弱目标检测方法.实验结果表明该算法对海洋和天空复杂背景及随机噪声影响都具有较好的抑制作用.