一种基于深度学习与自适应差分盒的分形维数估计方法

摘要

本发明公开了一种基于深度学习与自适应差分盒的分形维数估计方法，属于分形图像处理技术领域；包括以下步骤：1)对初始小尺寸图像进行插值预处理；2)将预处理得到的大尺寸低分辨率图像输入到预训练好的卷积神经网络中，重建出大尺寸的高分辨率图像，所述神经网络主要包括特征提取、非线性映射和聚合重建三个卷积层；3)利用自适应差分盒计数法对大尺寸高分辨率图像的分形维数进行估计；本发明所述方法不仅解决了传统盒计数法在小尺寸图像窗口下无法准确估计分形维数的问题，而且自适应差分盒的引入，也使得盒子数目的统计更加准确；同时与现有技术相比，本方法可以很好地保持图像分形维数的缩放不变性。