An Efficient Algorithm for Fractal Analysis of Textures

Costa, Alceu Ferraz; Mamani, Gabriel Efrain Humpire; Traina, Agma J. M.

doi:10.1109/sibgrapi.2012.15

Cited by 244 publications

(161 citation statements)

References 16 publications

Supporting

Mentioning

154

Contrasting

Unclassified

Order By: Relevance

“…Для этого мы предлагаем воспользоваться оценкой фрак-тальной размерности, которая эффективна для клас-сификации текстур [Shmuel et al, 1984;James, 1990;Costa et al, 2012], а именно: вычислять размерность Минковского в скользящем окне.…”

Section: методика кластеризация карт (кубов) "синергетических сингуляunclassified

“…Алгоритм вычисления фрактальной размерности для полутоновых изображений состоит из следующих шагов [Costa et al, 2012]: 1) исходный грид A i j ( , ) (заданный на регуляр-ной сетке N N × точек) превращается в бинарный грид A i j ( , ) (или несколько бинарных гридов за счет амплитудной декомпозиции)…”

Section: использование фрактальной размерностиunclassified

See 1 more Smart Citation

A new approach to cluster analysis of fractured reservoirs based on 3D seismic data

2015

View full text Add to dashboard Cite

Для анализа структуры трещинного резервуара предлагается кластеризация сейсмического атри-бута "синергетических сингулярностей", на котором отображаются особенности сейсмического поля, ассоциируемые с разрывными нарушениями, трещинами и зонами дезинтеграции среды. На класте-ризацию подаются карты (кубы) ее фрактальной размерности и атрибуты, характеризующие направ-ления сингулярностей, их плотность и интенсивность. Обсуждаются возможности использования предложенной технологии для структурирования запасов углеводородного сырья в трещинных кол-лекторах Восточной Сибири. R&D Department 170002, Tver, Chaykovsky av., 21a, Russia; e-mail: tvergw@slavneft.ru For clustering the structure of fractured reservoirs, the authors suggest using a seismic attribute known as synergetic singularities (SS), which indicates seismic data singularities associated with faults, fractures and disintegrated zones. Specifically we use a map (cube) of SS fractal dimension and the derived attributes of SS density, amplitude and directions. Possible applications of the method for structuring fractured reservoirs and estimation of petroleum reserves in Eastern Siberia oil deposits are discussed.Fractured reservoir, seismic interpretation, synergetic singularities, fractal dimension, cluster analysis, digital image processing ВВЕДЕНИЕАктивная промышленная разработка некоторых месторождений Восточной Сибири, для которых ха-рактерны массивные трещинные коллекторы углево-дородов, требует выработки новых подходов к оценке запасов углеводородного сырья для этих типов кол-лекторов с целью оптимизации промышленного буре-ния. Известно, что объемный метод подсчета запасов, основанный на стандартных оценках объема пористо-го пространства, не всегда применим для трещинных коллекторов. Продуктивность нефтедобычи и объем запасов часто обусловливаются лишь открытой тре-щиноватостью. Поэтому необходимы ее качественные и количественные оценки.Пространственные оценки трещиноватости в объеме на основе данных сейсморазведки 3D в насто-ящее время основаны на получении и изучении сейс-мических атрибутов, отображающих особенности сей-смического поля (сингулярности). В работах [Shlionkin et al., 2008; Шлёнкин и др., 2012] предложена техно-логия "синергетические сингулярности" (Synergetic Singularity, SS), которая была успешно использована для отображения и анализа трещинных коллекторов Восточной Сибири [Харахинов и др., 2012, 2013].Данная технология, несмотря на ряд уникальных алгоритмов, лежит в русле традиционных подходов, а именно: сначала выделяются особенности сейсмичес-кого поля на основе оценки его когерентности, а за-тем эти особенности усиливаются (подчеркиваются) с помощью алгоритмов типа ACS (Ant Colony Simulation) [Dorigo, Stutzle, 2004]. Слово "синергетика" (synergy или synergism) произошло от лат. synergismus или греч. sunergos, что означает совместную работу (греч. ergos -работа). Термин "сингулярность" в широком смысле означает "особенность". Таким образом, название технологии "синергетические сингулярности" соот-ветствует ее основной направленн...

show abstract

Section: методика кластеризация карт (кубов) "синергетических сингуляunclassified

Section: использование фрактальной размерностиunclassified

A new approach to cluster analysis of fractured reservoirs based on 3D seismic data

2015

View full text Add to dashboard Cite

show abstract

“…The SFTA [15] consists in decomposing the input image into a set of binary images from which the fractal dimensions of the resulting regions borders are computed in order to describe segmented texture patterns. In the analysis of texture, the fractal dimension, which is a measure of the irregularity degree of an object, describes a certain property of the texture.…”

Section: Texture Analysismentioning

confidence: 99%

Extracting Texture Features for Time Series Classification

Souza

Silva

Batista

2014

2014 22nd International Conference on Pattern Recognition

View full text Add to dashboard Cite

Abstract-Time series are present in many pattern recognition applications related to medicine, biology, astronomy, economy, and others. In particular, the classification task has attracted much attention from a large number of researchers. In such a task, empirical researches has shown that the 1-Nearest Neighbor rule with a distance measure in time domain usually performs well in a variety of application domains. However, certain time series features are not evident in time domain. A classical example is the classification of sound, in which representative features are usually present in the frequency domain. For these applications, an alternative representation is necessary. In this work we investigate the use of recurrence plots as data representation for time series classification. This representation has well-defined visual texture patterns and their graphical nature exposes hidden patterns and structural changes in data. Therefore, we propose a method capable of extracting texture features from this graphical representation, and use those features to classify time series data. We use traditional methods such as Grey Level Co-occurrence Matrix and Local Binary Patterns, which have shown good results in texture classification. In a comprehensible experimental evaluation, we show that our method outperforms the state-ofthe-art methods for time series classification.

show abstract

“…We also compared proposed features to widely employed texture extraction methods such as Haralick descriptors [4], Gabor filter banks and SFTA algorithm [5]. In the experiments, the proposed feature has shown more precision than those in the related works.…”

Section: Introductionmentioning

confidence: 98%

“…The mean and variance of the filtered images are used as features for classification. Recently, the authors in [5] proposed the SFTA algorithm for texture classification. The algorithm can be divided to two parts: input gray scale image is segmented to set of binary images based on Otsu method; fractal features are extracted for every binary image.…”

Section: Introductionmentioning

confidence: 99%

Bone Texture Characterization Based on Contourlet and Gabor Tranforms

Ngo¹,

Dinh²

2016

IJCTE

View full text Add to dashboard Cite

Abstract-In this paper, we proposed the new texture features called Haralick in Contourlet Sub-bands based Feature-HCSF-for 2D bone structure evaluation. Our proposed bone texture features are built on co-occurrences matrix for outside wedges and Gabor features for coarsest level of contourlet transform. The classification experiments are tested with linear SVM engine and the precision ratio is 70%. The proposed method is also compared to SFTA algorithm, Haralick, and Gabor features. The classification precision of proposed method is always higher than those in the related methods.

show abstract

An Efficient Algorithm for Fractal Analysis of Textures

Cited by 244 publications

References 16 publications

A new approach to cluster analysis of fractured reservoirs based on 3D seismic data

A new approach to cluster analysis of fractured reservoirs based on 3D seismic data

Extracting Texture Features for Time Series Classification

Bone Texture Characterization Based on Contourlet and Gabor Tranforms

Contact Info

Product

Resources

About