賈 亮,魏麗娜,盛中平
(東北師范大學(xué) 數(shù)學(xué)與統(tǒng)計(jì)學(xué)院,長春 130024)
在分形幾何中,分形維數(shù)[1]是一般圖像的重要數(shù)字特征,應(yīng)用廣泛[2-9]. 對(duì)于非自相似的一般圖像,通常采用Hausdorff維數(shù)與盒維數(shù)刻畫. Hausdorff維數(shù)是基于可數(shù)覆蓋和測(cè)度而引入的,盒維數(shù)則是基于有限覆蓋和容度而引進(jìn)的. 因此,盒維數(shù)在實(shí)際估算中更方便可行,也是模式識(shí)別的數(shù)學(xué)工具之一[2-8].
一般情況下,分形的拼貼分解與拼貼逼近由問題的實(shí)際背景確定.
其中:Fi稱為分形F的第i個(gè)組合體;Ei稱為分形F的第i個(gè)逼近體. 也稱分形組合體Fi的逼近體為Ei.
例如,記區(qū)間 [a,b]生成的三分Cantor集為F. 設(shè)
E1=[a,a+(b-a)/3],E2=[a+2(b-a)/3,b],F1=F∩E1,F2=F∩E2,
則F=F1∪F2為F拼貼分解,F≈E1∪E2為F拼貼逼近.
若取基準(zhǔn)體F0=F,基準(zhǔn)逼近體E0=E1∪E2,則基本尺度L=b-a,基容數(shù)
c=V/V0=Vol(E1∪E2)/Vol(E0)=1;
若取基準(zhǔn)體F0=F1,基準(zhǔn)逼近體E0=E1,則基本尺度L=(b-a)/3,基容數(shù)
c=V/V0=Vol(E1∪E2)/Vol(E0)=2.
盒維數(shù)的計(jì)算,通常利用某類盒覆蓋實(shí)現(xiàn). 如利用網(wǎng)方體覆蓋計(jì)算盒維數(shù)是一種最常用的方法. 下面先對(duì)盒覆蓋的盒長和盒子數(shù)進(jìn)行規(guī)范化處理.
1)r=δ/L(關(guān)于基本尺度的相對(duì)盒長)稱為分形F關(guān)于盒覆蓋的微精度. 此時(shí),也稱該盒覆蓋為F的一個(gè)r-精度盒覆蓋;記基本尺度相對(duì)于盒長數(shù)為ν=L/δ,ν稱為分形F對(duì)于盒覆蓋的基線數(shù).
2) 在以δ(≤L)為盒長的盒覆蓋下,記N為覆蓋分形F的最少盒子數(shù),N稱為F在r-精度盒覆蓋下的微盒數(shù);記Ni為覆蓋分形F的第i個(gè)組合體Fi的最少盒子數(shù),Ni稱為F在r-精度盒覆蓋下的第i個(gè)微盒數(shù);記N0為覆蓋分形基準(zhǔn)體F0的最少盒子數(shù),N0稱為F在r-精度盒覆蓋下的基盒數(shù);記F相對(duì)于F0的平均微盒數(shù)N*=N/c,N*稱為分形F在r-精度盒覆蓋下的規(guī)范微盒數(shù).
對(duì)于三分Cantor集,可用其生成步驟中產(chǎn)生的閉區(qū)間作為盒覆蓋. 當(dāng)基準(zhǔn)體F0=F時(shí),取盒覆蓋的盒長δ=(b-a)/3k,則微精度r=δ/L=1/3k,基線數(shù)ν=L/δ=3k;基盒數(shù)N0=2k,微盒數(shù)N=2k;規(guī)范微盒數(shù)N*=N/c=2k. 當(dāng)基準(zhǔn)體F0=F1時(shí),取盒長δ=(b-a)/3k,則微精度r=δ/L=1/3k-1,基線數(shù)ν=L/δ=3k-1;基盒數(shù)N0=2k-1,微盒數(shù)N=2k;規(guī)范微盒數(shù)N*=N/c=2k-1.
下面引入盒維數(shù)的兩種近似形式. 當(dāng)分形F存在盒維數(shù)(設(shè)為d)時(shí),記c0=N0/νd,c0稱為r-精度(r=1/ν)基自容數(shù). 進(jìn)而N0=c0νd. 由于基容數(shù)c可視為分形F包含基準(zhǔn)體F0的個(gè)數(shù),因此逼近分形F總的盒子數(shù)可以近似地視為cN0=cc0νd=cc0(L/δ)d=cc0r-d. 又在微盒數(shù)及拼貼逼近的意義下可知,總的盒子數(shù)即為微盒數(shù)N. 從而有N≈cN0=cc0νd=cc0(L/δ)d=cc0r-d,進(jìn)而可得
N*=N/c≈N0=c0(L/δ)d,N*≈c0νd,N*≈c0r-d.
于是lnN*≈lnc0-dlnr,因此
d≈(lnN*-lnc0)/(-lnr)=lnN*/lnν-lnc0/lnν.
特別地,當(dāng)r→0時(shí),ν→∞,而基自容數(shù)c0是常數(shù). 故當(dāng)r非常小時(shí)或者c0趨近于1時(shí),近似有d≈-lnN*/lnr=lnN*/lnν.
當(dāng)微精度r不變時(shí),顯然基自容數(shù)c0=N0/νd=N0/r-d是只與分形的基準(zhǔn)體F0相關(guān)的常數(shù),從而lnc0/lnν也是僅與分形的基準(zhǔn)體F0相關(guān)的常數(shù). 當(dāng)做聚類分析時(shí),要用同一個(gè)基準(zhǔn)體(對(duì)于不同的分形),此時(shí)諸lnN*/lnν相當(dāng)于該相應(yīng)維數(shù)d的一個(gè)平行移動(dòng),即lnN*/lnν=d+lnc0/lnν. 因此,把維數(shù)lnN*/lnν作為聚類分析的一種特征(當(dāng)微精度r不變時(shí)),而且可以進(jìn)一步校正為lnN*/lnν-lnc0/lnν.
1)dr(F)?-lnN*/lnr=(lnN-lnc)/(lnL-lnδ),dr=dr(F)稱為有界集F在該r-精度盒覆蓋下的r-精度維數(shù),也稱為規(guī)范精度維數(shù).
規(guī)范精度維數(shù)和校正精度維數(shù)都是與盒覆蓋和盒覆蓋精度相關(guān)的一種數(shù)字特征,二者均可用于快速分類. 在數(shù)值上,校正精度維數(shù)更接近于盒維數(shù),是盒維數(shù)很好的逼近.
證明:已知給定 Rn中的集合F(有界集),用邊長為δ的空間網(wǎng)方體盒覆蓋,設(shè)其微盒數(shù)為N. 記F0的基容數(shù)為c(常數(shù)),基本尺度為L(常數(shù)),則微精度r=δ/L,規(guī)范盒數(shù)N*=N/c. 又因?yàn)?/p>
當(dāng)分形存在盒維數(shù)時(shí),由盒維數(shù)的定義可得
證畢.
定理1表明,在規(guī)范精度維數(shù)中當(dāng)δ→0時(shí),lnc和lnL可忽略不計(jì),進(jìn)而得到盒維數(shù)的形式. 但在實(shí)際計(jì)算中,取極限是不能實(shí)現(xiàn)的,因此,規(guī)范盒維數(shù)中l(wèi)nc和lnL的影響不可忽略.
[1] Falconer K. Fractal Geometry: Mathematical Foundations and Applications [M]. New York: John Wiley &Sons,1990: 36-69.
[2] Hyde J,Laschos V. On the Box Dimensions of Graphs of Typical Continuous Functions [J]. J Math Anal Appl,2012,391(2): 567-581.
[3] LI Jian,DU Qian,SUN Cai-xin. An Improved Box-Counting Method for Image Fractal Dimension Estimation [J]. Pattern Recognition,2009,42(11): 2460-2469.
[4] Kruger A. Implementation of a Fast Box-Counting Algorithm [J]. Computer Physics Communications,1996,98(1/2): 224-234.
[5] TIAN Cheng-tai,WANG Jun,BU Hong-gang. Comparison of Fabric Defect Detection by Orginal and Simplified Box-Dimesion Feature Vectors [J]. Journal of Donghua University: Natural Science,2011,37(5): 579-585. (田承泰,汪軍,步紅剛. 簡化前后的盒維數(shù)用于織物疵點(diǎn)檢測(cè)的對(duì)比 [J]. 東華大學(xué)學(xué)報(bào): 自然科學(xué)版,2011,37(5): 579-585.)
[7] ZHANG Ai-hua,LIAO Gong-fu. Hausdorff Dimension and Measure of Allows Kneading Sequences to Unimodal Mapping [J]. Journal of Jilin University: Science Edition,2005,43(1): 45-46. (張愛華,廖公夫. 單峰映射允許搓揉序列的Hausdorff維數(shù)和測(cè)度 [J]. 吉林大學(xué)學(xué)報(bào): 理學(xué)版,2005,43(1): 45-46.)
[8] ZHAO Hai-ying,FENG Yue-ping,PENG Hong. Content-Based Xinjiang Folk Art Patterns Classification Using Fractal Dimension and SVM [J]. Journal of Jilin University: Science Edition,2011,49(2): 299-303. (趙海英,馮月萍,彭宏. 基于分形維數(shù)和SVM的新疆民間藝術(shù)圖案分類 [J]. 吉林大學(xué)學(xué)報(bào): 理學(xué)版,2011,49(2): 299-303.)
[9] WEI Li-na. Fractal Dimension and Its Normalized Treatment for Application [D]. Changchun: Northeast Normal University,2007. (魏麗娜. 分形的維數(shù)特征及其在應(yīng)用中的規(guī)范化處理 [D]. 長春: 東北師范大學(xué),2007.)