fractal 分形维数 盒子维 纹理特征

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 to Compute Fractal Dimension of  Image)，在前人的分形维数计算方法上做了重要改进，使得FD的计算以及准确度得到了较大的提升。在本文算法的编写过程中还参考了两篇中文综述：[二维灰度图像的分形维数计算.张志],[图像分形维数计算方法的比较.赵海英]。

为节省篇幅，先主要罗列所用到的基本公式，以及Sarkar原著中的论述，其他基本知识点，读者可参阅上述两篇中文综述。

 

D就是要求的纹理分形维数特征。由于D是Nr、1/r对应直线的斜率，所以需要多次改变r，即网格大小，获得多个样本点，最后通过直线拟合求得最终的D。

这种基于DBC的方法计算出的纹理分形维数特征的值应该介于2~3。这是有理论证明的。在Sarkar的原著中，仅有提及，未给证明：