Properties of fractal speckle-like structures

Cover Page

Cite item

Full Text

Abstract

Regarding the use in art therapy and ophthalmology, the properties of fractal speckle-like images are considered. For their construction, both the traditional approach based on the use of two-dimensional fractal functions and a new technique based on the representations of dynamic chaos were used. The important role of the scaling characteristics of the Fourier transforms of fractal light structures is revealed.

Full Text

ВВЕДЕНИЕ

Методы фрактальной физики нашли применение при анализе и построении разнообразных пространственно-временных структур (см., например [1]). Большое внимание уделяется разработке и исследованию фрактальных световых полей, которые широко используются в устройствах различного предназначения. Например, волновые пучки, сформированные при прохождении плоской волны через пластину с канторовским профилем пропускания, обеспечивают многократную фокусировку излучения в процессе распространения [2]. Фрактальные вихревые пучки в силу их высокой степени устойчивости к влиянию турбулентных неоднородностей нашли использование в атмосферных линиях связи [3].

В последнее время усилился интерес к изучению фрактальных спеклоподобных структур. Появился целый ряд свидетельств, указывающих на положительные примеры их использования в арттерапии [4, 5] (терапии искусством), медико-биологических исследованиях [6], светотерапии [7] и офтальмологии [8–10]. Анализ литературных данных указывает на то, что эффективность использования световых структур в арт-терапии, светотерапии и офтальмологии независимо от общей фактуры их амплитудно-фазового распределения существенно зависит от присутствия в них фрактальных признаков. Обращает на себя внимание впервые отмеченный в работе [8] факт улучшения психологического состояния пациента в ходе устранения глазной патологии. В [7] данные о снижении уровня беспокойства, разгрузке систем восприятия и положительной динамике влияния фрактальных лазерных визуальных динамических изображений на функциональное состояние человека получены методами электроэнцефалографии. Указанная связь между методами фрактальной терапии в офтальмологии и арт-терапии может быть объяснена особенностями обработки оптических сигналов в коре головного мозга. Ключевой момент, определяющий эту связь, состоит в том, что фурье-образы фрактальных световых полей, формируемые при обработке оптических сигналов в коре головного мозга, также обладают фрактальной структурой [11]. Благодаря этому низкие и высокие пространственные частоты обрабатываются в нейронной сети коры по одному алгоритму, что улучшает восприятие оптических изображений и усиливает связь между задействованными группами нейронов. В таких условиях у пациента возникает чувство комфорта, связанное с более легким восприятием особенностей изображения.

Способы генерации таких световых полей чаще всего используют алгоритмы, основанные на свойствах детерминированных и случайных функций [11] с фрактальными свойствами. В последнее время появились также сообщения о возможности использования моделей, базирующихся на представлениях о динамическом хаосе [12]. Цель данной работы состоит в том, чтобы установить, в какой степени различие подходов к формированию оптических фрактальных изображений и разброс используемых параметров может повлиять на проявление и связь скейлинговых свойств изображений и их пространственных спектров.

ИСПОЛЬЗОВАНИЕ СВОЙСТВ ФУНКЦИИ ВЕЙЕРШТРАССА

На первом этапе исследований поставленная задача решалась путем моделирования световых распределений с помощью двумерной функции Вейерштрасса [11]. Она имеет вид:

Wk,m=σv=0Vi=0NbD2isin2πsbikK+12sinαv++mK+12cosαv+ψi+ψv+A. (1)

Здесь Wk, m — амплитуда поля, k, m — дискретные поперечные координаты (0 ≤ k, m K), Kразмер рабочего поля, обеспечивающий удовлетворительное разрешение деталей распределения амплитуды, σ — стандартное отклонение амплитуды от среднего значения, N — количество гармоник, V — количество азимутальных парциальных волн, i — номер гармоники, ν — индекс азимутальной волны, α — элементарный азимутальный угол поворота, D — фрактальная размерность, b — параметр скейлинга, s — масштабирующий параметр, ѱi, ѱv — фазы компонент поля, A — компонента с однородным распределением амплитуды поля. При случайных значениях фаз ѱi, ѱv поле приобретало спеклоподобный вид.

Для оптимального применения в различных целях двумерных фрактальных оптических структур важно знание возможностей и способов управления их фрактальными, а также статистическими свойствами: функцией плотности вероятности интенсивности спекл-паттернов; средним характерным размером спеклов, их распределением по размерам. Такое управление можно осуществлять, варьируя параметры двумерной функции Вейерштрасса.

Характерное для генерируемых спекловых полей распределение интенсивности, соответствующие ему фурье (пространственный) спектр и гистограмма показаны на рис. 1 при следующих значениях параметров: σ = 0.15, V = 24, N = 6, b = 2.0, D = 1.3, s = 0.03, ѱi, ѱv — распределены случайным образом от 0 до 2π.

 

Рис. 1. Характеристики спеклоподобного поля (расчет): распределение интенсивности (а), структура пространственного спектра (б) (p, q — пространственные частоты), гистограммы распределения интенсивности (в) (1 — релеевская (A = 0) и 2 — нерелеевская (A = 2) статистика).

 

Гистограмма зависит от величины дополнительного однородного поля A, количества v азимутальных компонент и фрактальной размерности D функции Вейерштрасса. Статистика распределения интенсивности (см. рис. 1в) приближается к релеевской при стремлении A к нулю, увеличении числа v азимутальных компонент и фрактальной размерности D функции Вейерштрасса.

В процессе моделирования спекловых структур для различных наборов параметров было установлено, что распределения интенсивности независимо от ее статистики и их пространственных спектров обладают фрактальными свойствами. Их фрактальная размерность определялась на основе анализа поведения структурной функции [13]. Для нее использовалось следующее выражение:

Cj=1K22jk=0K2jm=0K2jIk+2j,mIk,m+2j. (2)

Здесь I — интенсивность (I = |W |2), K — размер рабочего поля, j = 0 – 3. По углу наклона графика этой функции, построенного в двойном логарифмическом масштабе, определяется сначала параметр Херста H, а затем из соотношения D = 2 – H — фрактальная размерность DI двумерной спекловой структуры.

Величина DI уступала величине фрактальной размерности функции Вейерштрасса D, задаваемой в (1), оставаясь меньше ее на 10–20%. Такое расхождение становится понятным, если учесть, что размерность D соответствует предельно возможному пространственному разрешению исследуемой структуры, а размерность DI характеризует фрактальные свойства реального сгенерированного изображения. Величина DI уступала также (на 35–20%) фрактальной размерности пространственных спектров, которая практически не зависела от величины D. Этот факт является важным свидетельством высокой степени структурной устойчивости спектров Фурье.

Распределение спеклов интенсивности двумерной спекловой структуры по размерам было исследовано методами вейвлет-анализа. Установлено, что средний размер спеклов интенсивности уменьшается по мере увеличения фрактальной размерности D, количества азимутальных компонент V, образующих двумерную структуру, и уменьшения амплитуды А дополнительной плоской волны. При этом доля мелких спеклов в распределении интенсивности возрастает.

ПРИМЕНЕНИЕ МОДЕЛИ ДИНАМИЧЕСКОГО ХАОСА

Во второй части работы рассматривается возможность получения фрактальных спеклоподобных изображений путем использования моделей динамического хаоса. В расчетах используются характеристики логистического квадратичного отображения [12], которое демонстрирует хаотическую динамику. Его можно описать простым выражением:

xn+1=λxn1xn, (3)

определяющим связь между множеством xn и xn+1. Управляющий параметр ë меняется в диапазоне от 0 до 4.

Логистическое отображение обладает фрактальными свойствами. Обычно их наличие демонстрируют на основе анализа фрактальной структуры так называемой бифуркационной диаграммы, описывающей связь возможных значений x с управляющим параметром λ. Изменение управляющего параметра влечет самоподобный каскад бифуркаций удвоения периода, обусловливающий переход к хаосу.

В данной работе для определения фрактальных характеристик логистического отображения был выбран другой путь. Он был основан на обнаруженной в ходе проводимого анализа фрактальности зависимости xn от n на границе перехода к хаосу. Эта граница лежит вблизи значения λ = 3.565. На рис. 2а для указанного значения управляющего параметра показана зависимость хn от n, а на рис. 2б представлен ее фурье-образ Fp (он рассчитывался на основе быстрого преобразования Фурье).

 

Рис. 2. Динамическая зависимость xn от n (а), ее фурье-образ (б) (p – пространственная частота, |Fp| — амплитуда спектральных компонент).

 

Фурье-образ обладает определенным самоподобием. Расположение максимумов амплитуды, помеченных цифрами 1, 3, 5, имеет схожий характер с расположением максимумов 2, 3, 4. Коэффициент подобия (скейлинга) для указанных конфигураций максимумов оказывается равным b = 2.

С использованием спектрального представления (рис. 2б) может быть построено двумерное фрактальное изображение (см. рис. 3а). Для него использовалось выражение:

Mp,q=FpFq.(4)

 

Рис. 3. Фрактальное изображение Mp, q (а). График структурной функции (б) (сплошная линия Lt), линейная аппроксимация (пунктир ft).

 

Красным цветом на рисунке обозначены спеклоподобные выбросы интенсивности (некоторые из них обозначены цифрами 1–5). С точки зрения расположения они формируют самоподобные структуры с геометрией, отражающей структуру фурье-образа на рис. 2б.

Рядом на рис. 3б показан график Lt соответствующей структурной функции, построенный в двойном логарифмическом масштабе. Здесь же для сравнения показан близкий к нему график линейной функции ft. Высокий коэффициент корреляции между этими графиками r = 0.98 доказывает фрактальность изображения на рис. 3а. Исходя из наклона линейной аппроксимации графика структурной функции находились параметр Херста и фрактальная размерность DM [13]. В нашем случае величина DM оказывается равной DM = 1.3. По литературным данным [9], световые структуры с такой фрактальной размерностью характеризуются высокой эффективностью при использовании в медицинских технологиях. С точки зрения практического использования описанный способ генерации фрактальных структур удобен также в том отношении, что позволяет путем изменения количества итераций n менять эффективный размер спекловых образований.

ЗАКЛЮЧЕНИЕ

Выполненное моделирование свойств фрактальных световых структур показало, что, несмотря на принципиально отличающиеся способы их получения и разнообразие задаваемых параметров, соответствующие им пространственные спектры также обладают фрактальными свойствами. При этом несущественно, имеет ли структура регулярный или случайный (спеклоподобный) вид. Наличие скейлинга в спектрах позволяет объяснить высокую эффективность использования пространственно-временных световых структур с фрактальными свойствами при решении задач в области офтальмологии и арт-терапии [4, 7]. Возможность генерировать световые поля с фрактальной размерностью в диапазоне 1.2–1.5, близкой к размерности многих природных объектов, позволяет с учетом предыстории развития когнитивных процессов у человека заметно повысить эффективность фотостимуляции.

Помимо важных приложений фрактальные спеклоподобные структуры являются ценным объектом для физических исследований общего характера. В частности, представляют интерес их статистические характеристики. Одним из результатов данной работы является указание на возможность при сохранении фрактальных свойств принципиально изменять статистику распределения интенсивности путем перехода от релеевской к нерелеевской статистике.

×

About the authors

О. M. Vоkhnik

Lomonosov Moscow State University

Author for correspondence.
Email: vokhnik@rambler.ru
Russian Federation, Moscow

P. V. Korolenko

Lomonosov Moscow State University

Email: vokhnik@rambler.ru
Russian Federation, Moscow

V. I. Mokhov

Lomonosov Moscow State University

Email: vokhnik@rambler.ru
Russian Federation, Moscow

References

  1. Ружицкая Д.Д., Рыжикова Ю.В. // Изв. РАН Сер. физ. 2022. Т. 86. № 6. С. 902; Ruzhitskaya D.D., Ryzhikova Yu.V. // Bull. Russ. Acad. Sci. Phys. 2022. V. 86. No. 6. P. 756.
  2. Muzichenko Ya.B., Zinchik A.A., Stafeev S.K. // Sci. Tech. J. Inf. Technol. Mech. Opt. 2010. V. 6. No. 70. P. 22.
  3. Korolenko P.V. // Phys. Wave Phenom. 2020. V. 28. No. 4. P. 313.
  4. Пьянкова С.Д. // Психол. иссл. 2016. Т. 9. № 46. С. 12.
  5. Malchiodi C.A. Handbook of art therapy. N. Y.; L.: The Guilford Press, 2003.
  6. Ульянов А.С. // Изв. Самар. НЦ РАН. 2010. Т. 12. № 4. С. 117.
  7. Прокопенко В.Т., Матвеев Н.В., Олейник Р.В. и др. // Светотехника. 2021. № 4. С. 50.
  8. Каданер Г.И., Овчинников Б.В., Рубинштейн М.М. // Оптич. журн. 2007. Т. 74. № 12. С. 19.
  9. Зуева М.В., Ковалевская М.А., Донкарева О.В. и др. // Офтальмология. 2019. Т. 16. № 3. С. 317.
  10. Матросова Ю.В., Фабрикантов О.Л. // Офтальмология. 2018. Т. 15. № 2S. С. 52.
  11. Зотов А.М., Короленко П.В., Мишин А.Ю., Рыжикова Ю.В. // Вестн. Моск. ун-та. Сер. 3. Физ. Астрон. 2019. № 6. С. 52; Zotov A.M., Korolenko P.V., Mishin A.Yu., Ryzhikova Yu.V. // Moscow Univer. Phys. Bull. 2019. V. 74. No. 6. P. 625.
  12. Прошин Ю.Н., Шакиров М.А. Моделирование и визуализация нелинейных динамических систем. Учебно-методическое пособие. Казань: Казанский университет, 2017. 36 с.
  13. Короленко П.В., Маганова М.С., Меснянкин А.В. Новационные методы анализа стохастических сигналов и структур в оптике. М.: НИИЯФ МГУ, 2004. 81 с.

Supplementary files

Supplementary Files
Action
1. JATS XML
2. Fig. 1. Characteristics of a speckle-like field (calculation): intensity distribution (a), spatial spectrum structure (b) (p, q are spatial frequencies), intensity distribution histograms (c) (1 — Rayleigh (A = 0) and 2 — non-Rayleigh (A = 2) statistics).

Download (192KB)
3. Fig. 2. Dynamic dependence of xn on n (a), its Fourier transform (b) (p is the spatial frequency, |Fp| is the amplitude of the spectral components).

Download (162KB)
4. Fig. 3. Fractal image of Mp, q (a). Graph of the structure function (b) (solid line Lt), linear approximation (dashed line ft).

Download (152KB)

Copyright (c) 2024 Russian Academy of Sciences

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».