一种分形维数计算方法、装置、设备及存储介质

本发明涉及分形维数计算，特别是涉及一种分形维数计算方法、装置、设备及存储介质。

背景技术：

1、分形维数(fractal dimension,fd)作为图形或物体自相似性的一种度量，通过将图形或物体复杂性量化为细节变化与尺度变化的比率来表征分形模式或集合的指标，在图像分析、纹理识别和模式识别等领域发挥着重要的作用。

2、盒子计数(box-counting)法是一种常用于分形维数计算的方法，基本思想是使用不同大小的盒子来覆盖图像，并计算需要多少盒子能够完全覆盖图像中的对象，随着盒子大小的变化，可以得到一个关于盒子数量和大小的关系，从而估计分形维数。

3、然而，对于较为复杂的图像或数据来说，其包含的异常值较多，且其边缘和细节部分所隐含的特征较多，传统的盒子计数算法不能对异常值进行剔除，且对图像边缘和细节部分不敏感，在处理表现不佳，导致所计算的fd会误判图像性质或其他数据特征。

技术实现思路

1、本发明提供了一种分形维数计算方法、装置、设备及存储介质，解决了传统的盒子计数算法在处理复杂图像时对图像边缘和细节部分不敏感，处理表现不佳，导致所计算的fd会误判图像性质或其他数据特征的问题。

2、本发明提供一种分形维数计算方法，包括以下步骤：

3、获取待分析数据，所述待分析数据包括图像数据和具有分形几何特征的数据；

4、对待分析数据进行特征提取，得到三维特征图，并将三维特征图转化为特征矩阵；

5、对特征矩阵进行异常值处理，得到图像矩阵；

6、将图像矩阵输入至盒子算法，得到待分析数据的分形维数；

7、所述对特征矩阵进行异常值处理，得到图像矩阵，包括：

8、创建一个与特征矩阵相同大小的全零图像矩阵；

9、对于特征矩阵中每一个非零元素，统计其周围元素值为0的元素个数；

10、若当前非零元素周围元素值为0的元素个数大于5，则将全零图像矩阵中与当前非零元素对应的位置的值设为0，否则设置为1；

11、基于行和列遍历特征矩阵中的每一个非零元素，得到对应的图像矩阵。

12、优选的，将三维特征图转化为特征矩阵，包括以下步骤：

13、将三维特征图转换为二维特征矩阵；

14、对二维特征矩阵进行二值化处理，得到特征矩阵。

15、优选的，将图像矩阵输入至盒子算法，得到待分析图像的分形维数，包括以下步骤：

16、生成不同尺寸的盒子，将图像矩阵分解为子矩阵；

17、对于每一个尺寸的盒子，获取其完全覆盖图像矩阵所需的数量；

18、通过最小二乘法绘制不同尺寸的盒子数量与对应尺寸之间的线性拟合曲线；

19、根据拟合曲线的斜率得到分形维数。

20、优选的，根据拟合曲线的斜率得到分形维数如下式所示：

21、

22、式中，d为分形维数，ε为盒子尺寸，n(ε)为尺寸为ε的盒子完全覆盖图像矩阵所需的数量。

23、优选的，通过深度学习模型对待分析数据进行特征提取。

24、一种分形维数计算装置，包括：

25、获取模块，用于获取待分析数据，所述待分析数据包括图像数据和具有分形几何特征的数据；

26、提取模块，用于对待分析数据进行特征提取，得到三维特征图，并将三维特征图转化为特征矩阵；

27、处理模块，用于对特征矩阵进行异常值处理，得到图像矩阵；

28、计算模块，用于将图像矩阵输入至盒子算法，得到待分析数据的分形维数；

29、所述处理模块包括：

30、创建模块，用于创建一个与特征矩阵相同大小的全零图像矩阵；

31、统计模块，用于统计特征矩阵中每一个非零元素周围0的个数；

32、判断模块，用于若当前非零元素周围元素值为0的元素个数大于5，则将全零图像矩阵中与当前非零元素对应的位置的值设为0，否则设置为1；

33、遍历模块，用于基于行和列遍历特征矩阵中的每一个非零元素，得到对应的图像矩阵。

34、一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述的分形维数计算方法。

35、一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述的分形维数计算方法。

36、与现有技术相比，本发明的有益效果是：

37、本发明首先对待分析数据进行特征提取，得到三维特征图，可以更有效地捕捉待分析数据中的边缘和细节的特征信息，然后将三维特征图转化为特征矩阵，对特征矩阵进行异常值处理，得到图像矩阵，将图像矩阵输入至盒子算法，得到待分析图像的分形维数。本发明对特征矩阵中的异常值进行处理，使得盒子算法计算得到的分析维数更加准确，能够在复杂环境下稳定地进行分形维数计算。

技术特征：

1.一种分形维数计算方法，其特征在于，包括以下步骤：

2.如权利要求1所述的一种分形维数计算方法，其特征在于，将三维特征图转化为特征矩阵，包括以下步骤：

3.如权利要求1所述的一种分形维数计算方法，其特征在于，将图像矩阵输入至盒子算法，得到待分析图像的分形维数，包括以下步骤：

4.如权利要求3所述的一种分形维数计算方法，其特征在于，根据拟合曲线的斜率得到分形维数如下式所示：

5.如权利要求1所述的一种分形维数计算方法，其特征在于，通过深度学习模型对待分析数据进行特征提取。

6.一种分形维数计算装置，其特征在于，包括：

7.一种计算机设备，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述权利要求1-5任一所述的分形维数计算方法。

8.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述权利要求1-5任一项所述的分形维数计算方法。

技术总结本发明公开了一种分形维数计算方法、装置、设备及存储介质，涉及分形维数技术领域，包括以下步骤：获取待分析数据，待分析数据包括图像数据和具有分形几何特征的数据；对待分析数据进行特征提取，得到三维特征图，并将三维特征图转化为特征矩阵；对特征矩阵进行异常值处理，得到图像矩阵；将图像矩阵输入至盒子算法，得到待分析数据的分形维数。本发明首先对待分析数据进行特征提取，可以更有效地捕捉待分析数据中的边缘和细节的特征信息，对特征矩阵中的异常值进行处理，使得盒子算法计算得到的分析维数更加准确，能够在复杂环境下稳定地进行分形维数计算。技术研发人员：金鑫,覃怡怡,黄华龙,陶源,代超,李登松,黄久洲,颜廷昱受保护的技术使用者：成都信息工程大学技术研发日：技术公布日：2024/10/17