Noise dependency of algorithms for calculating fractal dimensions in digital images

خصوصیات فراکتال اشیای دنیای واقعی معمولا در تصاویر دیجیتال مورد بررسی قرار می گیرد. تصاویر دیجیتال نمایندگی گسسته ای از اشیاء یا صحنه ها هستند و ناخواسته با سر و صدای ناخوشایند نمایندگی اشیاء دستگیر شده آلوده می شوند. ما وابستگی سر و صدا از الگوریتم های اغلب استفاده شده برای محاسبه ابعاد فراکتال در تصاویر دیجیتال را ارزیابی می کنیم. سه فرکتال ریاضی تعریف شده (منحنی کخ، سورپینسکی واشر، فرش منگر)، نماینده برای مقادیر کم، متوسط ​​و بالاتر از ابعاد فراکتال همراه با ساختار فراکتال به دست آمده از آزمایش، با سطوح مشخصی از نویز مصنوعی آلوده شدند. ابعاد شمارش جعبه، ابعاد همبستگی و ابعاد غیرمستقیم کشش از جنگ برای مجموعه داده ها برای برآورد ابعاد فراکتال تحت حضور سر و صدا انباشته محاسبه شد. ما دریافتیم که نویز تاثیر قابل توجهی بر ابعاد فراکتال محاسبه شده دارد (نسبتی تا 20٪ افزایش می یابد) و تاثیر آن بر الگوریتم های کاربردی و ویژگی های پر کننده فیزیکی ساختارهای فراکتال مورد بررسی حساس است. شباهت های اثر نویز در فراکتال های تجربی و مصنوعی، اعتبار نتایج حاصل را تایید می کند.