分形理论自其提出到发展,自始至终离不开对图象的研究.研究小组从对医学图象的图象分割开始对分形理论进行研究.边缘提取是CT图象三维重建过程中较关键的步骤.传统的图象分割算法有很多,但它们都存在着不同的缺点.研究小组针对人颅脑的CT图象特性,利用图象自身的灰度及图象的统计信息,将灰度阈值和梯度阈值有机地结合,提出了一种边缘提取方法,用于CT图象三维重建的轮廓输入.同时,该文针对目前几种求取图象分形维数的常用方法作了细致深入的比较与研究.采用分形理论方法进行边缘检测较传统的算法有好的适应性,同时也可检测出丰富的图象细节.研究小组通过一幅包含有人造景物的自然场景图象,采用分形理论进行图象分割.详细分析了分形理论在语音处理中的具体应用.研究小组主伙短时语音的分形维数在语音分割和声音分类中是非常有用的特征参数.研究小组通过实验得到了语音信号的分形维数轨迹.研究小组通过分析单一分形维数缺点的原因,提出引入多重分形理论来描述语音信号,从而克服使用单一Hausdorff维数处理语音信号的不足.作者提出了一种新的分形维数称为合成分形维数(SFD).该章最后讨论了分形理论在语音分割中的应用和分形理论在语音识别中的应用.另外,该文分析了分形处理的又一发展方向-迭代函数系统,并对IFS在语音编码中的应用讨论.