分形理论的Hausdorff维数

最新推荐文章于 2024-06-12 08:51:59 发布
最新推荐文章于 2024-06-12 08:51:59 发布
阅读量1.2w 收藏 38
点赞数 5
分类专栏： 分形理论学习笔记 文章标签： 分形维数 Hausdorff维数
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/linj_m/article/details/17021521
版权

最近打算利用一段时间好好学习一下分形理论，也写一系列博客记录下自己的学习归纳情况。下面是这部分文章的目录：

一、分形理论的历史过程

二、分形理论的基础概念

三、分形理论的分维解析

四、分形理论的Hausdorff维数

五、分形理论的盒维数

六、分形理论在计算机图形中的应用（待定）

 Blogger：LinJM 微博（LinJM-机器视觉）

上一篇文章介绍了分形理论中的分维，而Hausdorff维数是分形维数中的一个最具代表性的维数，所以在本文的剩下部分重点介绍Hausdorff维数。因为这部分公式有点儿多，而且课本里面解析的相当好，我就偷懒直接用照片来解释。







所有分形都具有一个重要的特征：可通过一个特征数，即分形维数测定其不平度、复杂性或卷积度

 



 Blogger： LinJM  微博（ LinJM-机器视觉 ）
Lin-JM
关注
  • 5
    点赞
  • 踩
  • 38
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
专栏目录
MATLAB计算分形维数资料合集
05-09
MATLAB计算分形维数资料合集
fractal 分形维数 盒子维 纹理特征
天下对手教会少林武僧
09-27 3089
分形 盒子维纹理特征 在纹理特征的提取中，纹理的分形维数特征（FD）是对纹理的一种重要描述。图像的纹理越复杂、细腻，则分形维数越大。提取分形维数特征的方法有很多种，理论以及计算的复杂度各有差异。 本文中分形维数的计算方法采用的是 DBC(Differential Box-counting)即 差分盒子计数法。该方法是由Sarkar and Chaudhuri 于1994年前后提出的(An Efficient Differential Box-Counting Approach toCompute ...
Hausdorff距离定义与计算方法
最新发布
新缸中之脑
06-12 1199
Hausdorff距离以费利克斯·豪斯多夫 (1868-1942) 的名字命名，是“一个集合到另一个集合中最近点的最大距离” [Rote91]。更正式地说，从集合 A 到集合 B 的豪斯多夫距离是一个最大最小函数，定义为：其中 a 和 b 分别是集合 A 和 B 中的点，d(a, b) 是这些点之间的任意度量；为简单起见，我们将 d(a, b) 视为 a 和 b 之间的欧几里得距离。1. h = 0以下是暴力计算过程的图示：Hausdorff距离计算：第一步Hausdorff距离计算：第二步。
分形
nameofcsdn的博客
03-16 3136
1，平面图形 2，三维图形
matlab盒子分形维数_分形：盒子维数
weixin_35717340的博客
01-09 7864
今天主要想说的是，分形中的差分盒子维数的原理，基于分形的基础概念就不在这里说啦.分形维数可以用于定量描述图像表面的空间复杂程度，能够定量的表现图像的纹理特征. 采用不同的维数进行纹理特征描述时，精度有所区别，我们今天主要来说一下比较简单的盒子维.1.差分盒子维数Gangepain 和 Roques-Carms 在1986年提出基于盒计数(Box-counting)的分形维数，通过计算覆盖图像表面的...
分形（Fractal）及分形维数（Fractal dimension）
热门推荐
qq_32515081的博客
03-08 2万+
在数学中，分形是包含任意小尺度的详细结构的几何形状，通常具有严格超过拓扑维数的分形维数。许多分形在不同的尺度上看起来很相似，如 Mandelbrot set 的连续放大所示。这种相似模式在越来越小的尺度上的展示称为自相似性（），也称为扩展对称性（expanding symmetry）或展开对称性（unfolding symmetry）；如果这种复制在每个尺度上都完全相同，就像在中一样，则该形状称为仿射自相似（分形几何（Fractal geometry）属于测度论的数学分支。
走近分形与混沌(part2)-豪斯多夫维数
小山羊的学习日志
04-18 2371
读书笔记 学习书目：《蝴蝶效应之谜：走近分形与混沌》-张天蓉; 分数维 在经典几何中，是用拓扑的方法来定义维数的，也就是说，空间的维数等于决定空间中任何一点位置所需要变量的数目。例如，所谓我们生活在三维空间，是因为我们需要三个数值：经度、纬度和高度来确定我们在空间的位置。 如上面所定义的拓扑维数，如何用分数维数才能解释像皮亚诺图形、科赫雪花、分形龙这些奇怪的几何图形呢？ 维数概念的扩展，要归...
豪斯多夫(Hausdorff)距离的python实现（附具体代码）9.21
zyt131415的博客
09-21 5704
引：在将欧式距离替换成豪斯多夫距离时发现讲述理论的较多，而具体实操的较少，有C++版本和matlab版本的但都过于繁复，因此自己利用python编写了以下实现过程，如有需要可以自取。 （留个坑有空的话来自己梳理以下原理） #豪斯多夫python实现过程 import numpy as np import operator A=[[1,3,3], [4,5,6]] B=[[1,2,3], [4,8,7]] asize = [len(A),len(A[0])] bsize = [len(B),l
第九章 聚类
随笔
04-22 945
文章目录题9.19.2(只有理解，无证明)9.39.4（待补）9.59.69.79.89.99.10（待补） 题 9.1 9.2(只有理解，无证明) Hausdorff距离量度度量空间中真子集之间的距离。所谓度量空间，也就是一个集合，其中任意元素之间的距离可定义；真子集就简单理解成一组有限（可以是无限）数目的元素（点）集合。因此，Hausdorff距离可以理解成一个点集中的点到另一个点集的最短...
基础理论：集合的Hausdorff距离
gongdiwudu的专栏
02-09 1万+
An introduction to the Gromov-Hausdorff distance 在数学中，Hausdorff 距离或 Hausdorff 度量，也称为 Pompeiu-Hausdorff 距离，[1][2] 测量度量空间的两个子集彼此之间的距离。它将度量空间的非空紧凑子集的集合转换为本身的度量空间。它以菲利克斯豪斯多夫和迪米特里庞培命名。 非正式地，如果任一集合的每个点都靠近另一集合的某个点，则两个集合在 Hausdorff 距离上是接近的。 Hausdorff 距离是对手在两个集合之
齐次Moran集积集的Hausdorff维数
03-14
齐次Moran集积集的Hausdorff维数，黄精华，，设 M是由I,nk,ck 确定的Moran集类，对M中的元素E,F. 在一定条件下，本文利用网测度技巧确定了积集 E*F的Hausdorff维数，所获结果对Yan[1]的猜�
hausdorff_distance
03-14
利用hausdorff距离变换实现的图像模板匹配（matlab），
Hausdorff距离匹配代码
09-16
Hausdorff距离匹配代码，实现了CANNY边缘特征点、HARRIS特征点、SIFT特征点、SURF特征点的Hausdorff距离匹配
利用MATLAB计算分形维数
04-13
计算二维图像的分形维数，将彩色图转为灰度图，经过边缘检测，灰度处理，再转为二值图，最后求解分形维数
计算Hausdorff distance MATLAB代码
qq_38677308的博客
03-25 3983
Hausdorff距离计算 MATLAB
豪斯多夫距离（集合之间的距离度量）
xinxiangwangzhi_的博客
07-16 2万+
Hausdorff距离 介绍 在数学中，Hausdorff距离或Hausdorff度量，也称为Pompeiu-Hausdorff距离，是度量空间中两个子集之间的距离。它将度量空间的非空子集本身转化为度量空间。 非正式地说，如果一个集合的每个点都接近另一个集合的某个点，那么两个集合在Hausdorff距离上是接近的。Hausdorff距离是指对手在两组中的一组中选择一个点，然后必须从那里到达另一组的最长距离。换句话说，它是从一个集合中的一个点到另一个集合中最近的点的所有距离中最大的一个。 基本定义 以费利克斯
分形理论中的分维解析
LinJM-机器视觉
11-29 1万+
分维又叫做分形维数, 是分形理论中最重要的一个概念, 它是对非光滑、非规则、破碎的等极其复杂的分形客体进行定量刻划的重要参数, 它表征了分形体的复杂程度、粗糙程度,即就是分维越大, 客体就越复杂、越粗糙, 反之亦然。 维数概念历来在数学和物理学中占据着重要的地位。按传统的观点, 维数是确定系统状态的独立变量, 只能取整数。然而, 在分形理论中, 对于一个分形客体, 它的维数一般都不限于整数,
hausdorff距离
仰望星空
01-05 1万+
（原文：http://cgm.cs.mcgill.ca/~godfried/teaching/cg-projects/98/normand/main.html） 1.前言 在讨论距离问题时，我们通常用最短来描述：比如，点X到多边形P的距离，我们一般指的是P上离X最近的点到X的距离。同样这种概念也适用于多边形之间：如果多边形A和多边形B之间有一段距离，它们间的距离我们一般理解为A
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值