多重分形维数在语音分割和语音识别中的应用

语音气流中具有混沌特征,而分形可以定量地分析混沌现象,故分形可作为分析语音信号的数学工具．由于传统的Ｈａｕｓｄｏｒｆｆ－Ｂｅｓｉｃｏｖｉｔｃｈ 维数没有考虑关于集合中点的分布信息,本文引入多重分形维数来克服上述缺点．实验表明,多重分形维数语音分割方法明显好于单一Ｈａｕｓｄｏｒｆｆ－Ｂｅｓｉｃｏｖｉｔｃｈ 分形维数的语音分割方法     

基于一种新型分形理论的语音端点检测

为提高语音端点检测在较低信噪比下的准确率,当语音信号与随机噪声在不同尺度上进行小波变换时,针对其传递特性不同的特征表现及其特点,提出了一种新的基于分形维数的语音信号端点检测方法,即对带噪语音信号进行小波重构,去噪后,利用分形维数方法计算信号的维数,实现语音的端点检测.并给出其原理和具体算法.仿真实验结果表明,该方法简单可靠,有效可行,与已有方法相比,更具有广泛的实用性.     

汉语语音音素分割的一种新方法

音素分割在大词汇量连续语音识别的过程中起着重要的作用 .该文提出了一种简单实用的音素分割方法 ,比较好地解决了这个问题 ,并在大词汇量汉语语音识别中得到了应用 ,取得了较好的结果     

基于分形的激光水下图像分割研究

针对激光水下图像的特性，提出一种基于分形常数的图像分割方法，以克服因水下成像带来的图像灰度分布不均和严重的散斑噪声影响给分割造成的困难．实验表明在目标和背景的一般分形特征差异不明显的情况下，此方法仍能获得很好的分割效果．     

分形技术在彩色纹理分割中的应用

应用分形技术,对彩色图象的纹理分割问题进行了探讨．为了有效地描述彩色纹理特征,我们利用图象中的色彩信息,通过象素的色彩曲面之间的体积值和单种色彩分量值进行分析,获得相应的分形特征,继而运用中值滤波技术和非监督聚类算法对特征图象进行分割．实验结果表明,利用分形技术进行彩色纹理分割是非常有效的．     

基于模糊控制与分形维数的语音信号滤波

本文通过模糊控制算法以及分维理论在非线性数据中的应用,对语音处理系统参数进行动态地自适应修正,并用仿真方式验证滤波效果:建立语音信号处理系统的智能接口(非线性).     

基于模糊控制与分形维数的语音信号滤波

本文通过模糊控制算法以及分维理论在非线性数据中的应用,对语音处理系统参数进行动态地自适应修正,并用仿真方式验证滤波效果:建立语音信号处理系统的智能接口(非线性).     

基于分形理论的图像分割技术研究

本文首先介绍了分形理论产生的背景以及近年来发展的状况,在此基础上提出了一种基于分形理论的图像分割技术的算法,证明了该算法优于传统的基于微分算子的方法,进而又提出了改进盒维法。最后将该分形算法应用于航空航天类图像处理中,取得了良好的效果,并提出了一些改进建议。     

分形语音处理

尽管分形在图像处理中已被广泛地采用，但是将分形技术与分形维数用于语音的表征与识别则是相对新的概念。本书介绍了开发用于语音及声频信号处理的基于分形技术所进行的研究成果。这一成果已经在诺基亚通讯公司和一些机构中得到了实际的商业应用。本书的作者M．阿尔一阿凯迪是英国De Monffort大学工程与技术学院的院长，     

分形理论在语音信号端点检测及增强中的应用

为了提高现有谱相减方法处理低信噪比语音信号的效果,利用时间序列信号的短时分形维数对低信噪比语音信号的端点检测方法进行了研究,提出了一种基于端点检测的谱相减语音增强方法,给出了其原理及具体算法.仿真实验结果表明,该方法简单可靠,有效可行,当语音信号信噪比降到-5 dB时仍然有效;与已有方法相比,具有更广泛的实用性.     

基于分形几何和最小凸包法的肺区域分割算法

在计算机辅助诊断系统中,为了缩小系统的分析范围、提高计算效率,需要将肺区域分割出来.但是通过已有方法获得的肺区域边界不准确,为此提出了一种基于分形几何和最小凸包法的肺区域分割算法.首先,根据肋骨和各组织的位置关系以及CT图像的上下层相似的性质,实现了对初始肺区域的自动提取.其次,利用网格线将肺区域分成小子块,并计算各子区域块的分形维数.根据肺区域边界的全局性质和局部性质,构造了最优的分形维数阈值,并根据该阈值识别需要修复的肺边界.最后,利用Jarvis步进法对肺边界进行了修复,从而在CT图像中获得了最终的肺区域.通过数值实验证明了提出的算法比传统方法更优秀,具有较高的分割准确率和较高的鲁棒性.     

基于分形理论的随机位移算法

为了解决基于分形理论的中点位移法对地形仿真产生的皱折问题，对中点位移法的固定间隙度进行改进，使中点细分扩展到任意尺度细分，采用了线性插值的随机位移算法对地形进行仿真，达到好的可视性．该方法间隙度调节灵活，实现简便，合成速度快，实验结果证明了该算法的有效性．     

基于分维特征的目标分割与检测

提出了一种改进的盒维数算法 .基于这种盒维数定义 ,对高通滤波后的图像逐点计算 ,所得的盒维数为该点的分形特征 .根据这种算法 ,背景中多种不同纹理的特征值非常接近 ,而目标所在位置的特征值高于背景所在位置的值 .并提出一种迭代的分割 聚类法检测各目标 .     

基于自适应门限的分形维数语音端点检测

针对固定门限方法在语音端点检测技术中的局限性,为了提高低信噪比下语音端点检测的鲁棒性和准确率,将自适应门限应用于分形维数的语音检测中,提出了一种新的语音端点检测算法.该算法通过对语音信号产生机制的分析,将分形维数用于语音起止点的检测中,设计了自适应门限,从而有效降低了噪声干扰对检测结果的影响,并实现了实时检测.仿真实验结果表明,在低信噪比的情况下,改进的端点检测算法比传统的短时能量检测算法可更准确有效地实现带噪语音的端点检测,而且对噪声干扰具有更好的鲁棒性.     

基于玻耳兹曼原理的图像分割算法

针对图像分割算法中存在的难以自动处理和范化能力差等问题，基于热力学的玻耳原理和Metropolis准则，设计了一种新颖的图像分割算法．该算法在无需预先设定阈值的情况下，可高速地获得单像素、连续轮廓边界的分割图像，并通过调节温度系数，实现图像由概略到细节的分割，因此避免了过分割现象．该算法的分割时间随温度系数的减小而增加，而温度系数的减小造成分割类数增多所导致的像素点重复计算问题，可通过并行计算来改进．由对比实验证明，该算法在快速性、自动处理程度和范化能力性能指标上，明显优于常用的K聚类和可控竞争惩罚学习等图像分割算法．