基于加权方差的煤矸石X射线图像分形维数最优估计算法

发布时间：2024-06-14 23:50

　　传统方法对于煤矸石X射线图像分形维数估计存在单层次缺陷,提出了基于加权方差的煤矸石X射线图像分形维数最优估计方法。由局域窗口特征检测方法获取图像的二维边缘像素特征分量,取其最大值构成图像采集的像素特征量,实现对图像的特征分解。在此基础上,提取二值化图像边缘轮廓特征量,采用包络轮廓线分割方法超分辨融合煤矸石X射线图像,建立煤矸石X射线图像的模板匹配模型。采用多层次纹理重建方法,获取图像的活动轮廓多层次分布集,结合加权方差获取图像方差和标准差,将图像的分形维数估计方差和标准差输入图像的相关性检测模板匹配函数中,进行图像分形维数最优估计。仿真结果表明,采用该方法进行煤矸石X射线图像分形维数估计的精度较高,自适应性较好,提高了煤矸石X射线图像的识别和检测能力。

【文章页数】：5 页

【部分图文】：

图２原嫜的煤＃ｆ石＂Ｘ射线图像乘．集续皋??以随２的煤矸石Ｘ射线图像为研究对象，进??行煤矸石Ｘ財线爵像分形维数估计，结合加权方??

测模板??匹配函数中，根据煤矸石Ｘ射线图像的颜色特征??分量完成多曷次的分形维数最优估计，Ａ表示图??像多层次分形维数最优估计值。??．４．．（ｓ）二?２－??＼ｄＡ?Ｉ?Ｓｊ）?；Ｍｇ（ｉ?（ｇ－１．））??ｌｇｅ?－?ｌｇ（￡－ｌ）??（２０）??３仿真实验与结果分析??数计....

图３煤野石Ｘ．身线图像分吉寒??根据？?３的分形结巣，进行多层次的分形维数??最优估计，釆甩不闻方法得到煤奸石Ｘ射线爵像??

宜。??３．２结果分析??根据上述仿真环境和参数设定，进行煤矸石Ｘ??射线图像的分形维数估计，得到原始的煤矸石Ｘ??射线？像采集结果如图２所示。??０?５０?１００?１５０?２００?２５０??：时间．??图２原嫜的煤＃ｆ石＂Ｘ射线图像乘．集续皋??以随２的煤矸石Ｘ射线图像为研究对....

本文编号：3994606