基于分形維數(shù)的自適應(yīng)張量投票算法研究.pdf

1、張量投票算法是感知聚類方法中一種較為有效的計(jì)算方法，主要用于提取顯著性信息。張量投票算法是以張量為基礎(chǔ)，利用人類視覺生理機(jī)制和幾何學(xué)原理提取圖像中的顯著性特征，具有魯棒性強(qiáng)、參數(shù)唯一、非迭代等特性，并且簡(jiǎn)單易行，廣泛應(yīng)用于圖像處理、醫(yī)學(xué)研究、曲面重建等方面。
　　 本文主要是對(duì)張量投票算法尺度參數(shù)的選取和投票域的建立進(jìn)行改進(jìn)，利用改進(jìn)后的算法對(duì)圖像進(jìn)行線特征提取，主要工作如下：
　　 (1)提出了基于分形維數(shù)的自適應(yīng)張量

2、投票算法。利用分形維數(shù)對(duì)張量投票算法中的尺度參數(shù)進(jìn)行自適應(yīng)選取，彌補(bǔ)了傳統(tǒng)方法中沒有確定的尺度參數(shù)選取方法的不足，使得對(duì)不同圖像有其相適應(yīng)的尺度參數(shù)，以達(dá)到提高顯著性特征的效果。
　　 (2)給出了改進(jìn)投票域的張量投票算法。非迭代是張量投票算法的特性之一，但是在復(fù)雜或是含有缺口的圖像中就降低了顯著性特征的提取效果。本文針對(duì)這個(gè)問題對(duì)張量投票算法進(jìn)行了迭代改進(jìn)，即以投票域逐步縮小為依據(jù)進(jìn)行迭代，使得迭代后的方法與其他迭代方法相比較