m图像多重分形谱计算matlab仿真

目录

1.算法仿真效果

2.算法涉及理论知识概要

3.MATLAB核心程序

4.完整算法代码文件

---

1.算法仿真效果

matlab2022a仿真结果如下：

2.算法涉及理论知识概要

       多重分形(multifractal)一种分为多个区域的复杂分形结构。为了对分形的复杂性和不均匀性进行更细致地刻画，需引进它的概率分布函数及其各阶矩的计算，由此构成了分形维数的一个连续谱，称之为多重分形或多标度分形。
        由于多重分形至今尚无严格的数学定义，以下仅通过实例进行简单的描述.设有一个分布不均匀的分形，首先将它分成若干个小区域，定义第i区域内的密度分布函数为尸，假定尸，存在着标度关系.其中e是一个小的测量单位，a是一个标度指数，称为奇异指数，它是反映分形体内各个小区间的奇异程度的一个量，所以a的数值与其所在的位置有关.进一步将分形上具有相同a值的小区间数记为
f (a)被称为奇异谱，因为它将奇异值a的密度用一个连续函数来表示.另一方面，还可将分布函数进行加权求和，得到
r(y)常称为质量指数.再定义加权后的广义分形维数D。为

      从上述公式中可知，当9=。时，D。就是普通的分形维数，而D,称为信息维数，D:称为关联维数.因此，几，被称为广义分形维数.经过简单的计算可得a, 六a)和:<q) }D、这两组参量之间的对应关系式为.
      这一系列公式给出了多重分形理论的基本核心.利用多重分形，可把一个复杂的分形分成许多具有不同奇异程度的小区域来研究，从而能分层次地来 [1]  了解分形的内部精细结构.

        计算多重分形谱概率的方法有两种：一种是针对灰度图像的算法，将图像灰度信息转换为高度矩阵，然后分割求高度概率；另一种是针对黑白图像的算法，分割求白色像素概率（黑色为背景）。

具体计算过程：

计算图像尺寸，L×L，尺寸大小应为L=2^n

对图像进行网格划分，每个网格尺寸为s×s，ε=s/L，1<=s<L，s为能被2整除的正整数

一、首先定义配分函数，此函数是对概率的加权求和，即

此处q为加权系数。

二、概率测度。

a.对于二值化黑白图像的多重分析，概率 为盒子中研究目标所占的像素数量与图像中研究目标所占的总像素数量比，

 

b.对于灰度图像的多重分析，概率的计算方法如下式： 

其中 是第（i，j）个盒子内所有像素点的平均高度。

三、质量指数。配分函数与尺度ε存在幂函数关系Iq(ε)= ετ(q)，两边取对数，则可得到

 

此处 称为质量指数，其反映的是Iq(ε)与 的线性关系，这种关系指定分形的无标度性。

四、定义广义分形维数，广义分形维数Dq随q值的不同而具有不同的意义，其定义式如下：

当q=0，此时I0反应二维图像中对象的空间几何性质，与概率P无关，这样D0就表示普通的豪斯道夫维数，此时对应于f(α)max。

根据τ(q)和q的关系经统计物理学中的勒让德变换后得到

 

 

3.MATLAB核心程序

...............................................................................
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
Qran = 20*qs;
for kj=1:p
    count    = 0;
    No_boxes = power(Rs,2)/power(power(2,kj),2);
    for q = -Qran:10*qstep:Qran       
        qsum = 0;
        for i=1:No_boxes
            if PsL(i,kj) ~= 0
               qsum = qsum + power(PsL(i,kj),q);
            end
        end
        fqnum  = 0;
        aqnum  = 0;
        smuiqL = 0;
        for i=1:No_boxes
            if PsL(i,kj) ~= 0
               muiqL = power(PsL(i,kj),q)/qsum;
               fqnum = fqnum + (muiqL * log(muiqL));
               aqnum = aqnum + (muiqL * log(PsL(i,kj)));
               smuiqL = smuiqL + muiqL;
            end 
        end
        count         = count + 1;
        fql(kj,count) = fqnum;
        aql(kj,count) = aqnum;
        qval(count)   = q;
    end
end
for i=1:count
    line   = polyfit(logl,aql(:,i),1);
    aq(i)  = line(1);
    yfit   = polyval(line,logl);
    sse    = sum(power(aql(:,i)-yfit,2));
    sst    = sum(power(aql(:,i)-mean(aql(:,i)),2));
    ar2(i) = 1-(sse/sst);
end
for i=1:count
     line   = polyfit(logl,fql(:,i),1);
     fq(i)  = line(1);
     yfit   = polyval(line,logl);
     sse    = sum(power(fql(:,i)-yfit,2));
     sst    = sum(power(fql(:,i)-mean(fql(:,i)),2));
     fr2(i) = 1-(sse/sst);
end
for i=1:count
    Dq(i) = (aq(i)*qval(i)-fq(i))/(qval(i)-1);
end

aqs   = aq;
fqs   = fq;
qvals = qval;
Dqs   = Dq;
09_034_m

4.完整算法代码文件

V