基于二维模糊熵的图像非监督变化检测

针对图像变化检测,提出了一种基于二维模糊熵的方法。首先采用LMS方法寻找二维直方图的最佳分割方向;再根据最佳分割方向构建一种新的二维隶属度函数,并用其搜索差异图像二维模糊最大熵来确定最佳二维隶属度函数;最后按最佳二维隶属度函数检测差异图像中的变化区域。理论分析和实验结果表明,本文方法相对一般二维检测方法具有更好的检测性能。     

二维时空熵运动检测中的自适应门限技术

针对图像序列中运动检测门限的选取问题,提出一种基于二维时空熵准则自适应确定检测门限的新方法．将运动检测归结为两个二值划分问题,无需已知背景分布的具体形式和参数,利用二维熵准则自适应确定门限矢量(S,T)．并提出一种二维熵门限快速计算方法,利用积分和迭代操作避免二维熵门限求解过程中点的重复计算,将灰度级为N的图像的运算量从O(N4)降低到O(N2)．实验结果表明,该方法在目标和背景对比度较低的情况下也可提取出完整的运动目标信息,可实现实时处理．     

利用二维熵自动确定图像分割的阈值

阈值法是图像分割的一种重要方法,在图像处理与目标识别中广为应用.因此,如何确定阈值是图像分割的关键.建立二维直方图并借助二维熵可以自动确定图像分割的阈值.传统方法产生二维直方图时,选择4邻域中心灰度值和邻域像素的灰度均值.事实上,水平或垂直方向上的灰度变化不能完全地反映邻域像素的整体特性.提出构造二维直方图的新方法,新方法选择3×3邻域中心灰度值和4邻域以外的4个像素的灰度均值.应用新方法和传统方法进行对比实验,分割结果可以看出新方法的有效性.     

二维直线型Renyi熵阈值分割方法

考虑到噪声对图像的影响,提出了二维直线型Renyi熵阈值分割方法,由于二维方法的运算量太大,给出了二维直线型Renyi熵方法的快速递推公式。实验表明,对于噪声图像二维直线型Renyi熵阈值法可以获得比传统二维Renyi熵更好的分割结果。     

基于混沌优化的二维熵图像分割方法

对于某些灰度特征相对复杂的图像,传统的二维最大熵阈值分割法效果不佳。文章提出了基于混沌优化原理的二维熵分割法,利用类似载波的方法将混沌序列映射至双阈值的二维空间,对局部最大熵进行搜索,在找到的所有极大点中,根据目标所占图像的比例选择最佳阈值进行分割,其分割效果明显优于遗传算法所找到的全局最大值。并用此法对常用的测试图片进行了分割实验,结果证明算法具有可行性。     

基于二维熵的快速SIFT图像匹配方法

尺度不变特征变换(SIFT)是一种局部特征描述子,是在空间尺度中寻找极值点.针对传统SIFT算法存在匹配速度慢的问题,提出了一种改进的匹配方法.该方法通过计算特征点位置的二维熵大小来剔除一部分无效的特征点,在特征点匹配阶段通过遍历参考图像某个特征点与待匹配图像某个特征点二维熵之差初步寻找可靠的匹配对,这样可以减少匹配过程中欧式距离的计算量.实验结果表明,改进的SIFT算法在保持准确性的前提下,提高了图像匹配的速度,达到原始匹配速度的1.6倍.     

基于模拟退火并行算法的二维熵多阈值分割

针对二维熵法在多阈值分割时计时长、复杂性高等问题,引入模拟退火并行遗传算法对该算法实行优化,构造模拟退火并行遗传算法搜索二维最大熵值中的最优阈值,对二维熵法在多阈值分割经模拟退火并行遗传算法搜索改进前后的结果进行说明及对比。此优化算法比传统的模拟退火算法时间缩短了71.5%,说明此算法大大提高了分割效率,不仅能保证图像分割精度,而且能加快获得最佳阈值的速度,是一种有效且实用的图像分割方法。     

基于菱形邻域和二维熵的改进密度峰值图像分割

自密度峰值聚类算法在2014年被提出以来,已经广泛应用在数据挖掘领域.针对聚类算法进行图像分割时,存在聚类数目稳定性问题和抗噪声性问题,本文在密度峰值聚类的基础上,引入菱形邻域信息和图像二维熵信息,充分利用图像的位置信息,进行单目标图像分割,使算法的抗噪性能增强和聚类数目更加稳定.实验结果验证了改进后的算法,在含有高斯噪声的图像和真实的图像的仿真上,具有较好的分割性能和抗噪性能.     

基于二维模式匹配的镜头检测方法

镜头通常作为分析和检索视频的基本单元.为此,提出了一种基于二维模式匹配的镜头自动检测算法.为克服二值化处理后缺少色彩特征的缺点,进一步采用主色提取的方法,利用色彩信息提高算法准确率.实验结果表明提出的算法可行性好、检测准确率高.     

视觉导航中分道线的二维重建与障碍物检测

针对视觉导航对道路分道线重建以及障碍物检测的功能需求,在对道路几何形态特性分析的基础上,建立了车道成像模型,对当前车道以及多车道进行了投影图像的二维重建;同时根据信息熵,引入路面单位像素灰度等级数的概念,实现了目标车辆或障碍物的初定位,利用Robinson边缘检测算子实现了对目标车辆或障碍物的精确定位。经大量实验证明,所设计的算法具有较高的实时性、准确性,满足了视觉导航对道路或分道线检测、障碍物检测的功能需求。     

基于信息熵的异常检测算法

针对K-means异常检测算法检测性能低的问题,提出了一种结合信息熵与改进K-means算法的异常检测算法。该算法均匀地选出密度大于数据集平均密度的数据对象作为初始聚类中心,避免了初始中心的随机选择。在此基础上,引入了信息熵确定属性权重的方法来计算簇中数据点与该簇聚类中心的加权欧氏距离,通过对比簇中数据点的加权欧氏距离与该簇中所有数据点的平均加权欧氏距离来进行异常检测。实验表明,改进算法具有更高的检测率和更低的误检率,应用于电力负荷数据时检测率达到了90. 5%,能够有效地检测出异常的负荷数据。     

基于视觉显著性的红外图像弱小目标检测方法

针对复杂背号下红外图像弱小目标检测难题,提出了一种基于视觉显著性的目标检测方法。首先利用基于视觉注意机制的显著性模型计算图像的显著度图,然后根据图像的显著度图确定目标的区域,最后在原图像上确定目标的精确位置,仿真实验结果表明,本文方法能够很好地检测出红外图像中的弱小目标;与常用背景抑制法相比,该方法不仅较好地突显了目标,而且极大地消除了虚警干扰。     

基于谱熵的语音端点检测算法改进研究

语音端点检测是语音处理中重要的领域之一。常规谱熵语音端点检测算法是通过检测语音的功率谱的平坦程度,从而达到语音端点检测的目的。但是该方法在平稳噪声环境下较好,在无噪声和非平稳噪声环境下效果较差。作者在分析了无噪声环境下常规谱熵端点检测算法效果差的原因的基础上,结合了语音的短时能量算法,对常规谱熵算法进行了改进,形成了一个新的特征参数——谱熵能量积。仿真结果显示,该方法相对于常规谱熵算法,在无噪声的环境下检测精度有了很大的提高,在非平稳噪声环境下也有了一定的提高,鲁棒性得到增强。     

一种基于分带谱熵和谱能量的语音端点检测算法

语音端点检测的精确度直接影响语音识别的准确度.在噪声环境下,语音端点检测很困难.信噪比下降,语音端点检测的正确率也随之下降,同时,噪声类型的变化影响端点检测的正确率.为此,提出了一种改进的、适合在电话语音城市名识别系统中应用的端点检测算法,并结合分带谱熵和谱能量形成了一个新的特征参数集,利用该参数集进行端点检测,弥补了分别采用分带谱熵和谱能量进行端点检测的缺陷,提高了检测性能.     

基于马尔可夫随机场的显著区域检测

显著区域检测被应用在计算机视觉处理的各个方面,然而大目标和复杂背景中显著对象检测存在检测内容缺失和误检的问题。提出一种基于粗略显著区域的马尔可夫随机场(MRF)模型检测方法。首先,应用Harris角点检测定位粗略显著区域,去除边缘附近角点做凸包操作,然后基于粗略区域的先验概率,应用马尔可夫随机场模型检测图像显著区域。在图像测试库的实验结果显示,提出的检测方法提高了检测的准确度和完整度。     

基于视觉显著性检测的跨尺度插值模型

为了提升多媒体处理感知能力,提出了一种运动图像序列跨尺度插值模型. 首先从用户的角度出发,采用视觉显著性检测技术获取关注区域,进而确定运动图像的显著区域;而后在时间尺度改变的情况下,利用一致敏感哈希技术实现了高质量插值帧的生成;最后定义能量函数,使得在分辨率尺度变化时能提升关注区域的清晰度. 实验结果表明,运动图像序列跨尺度插值模型能够获得较好的插值质量.     

基于奇异值分解的二维工程图水印算法

该文提出了基于奇异值分解的二维工程图水印算法,通过提取工程图端点坐标并进行奇异值分解,在除最大的值上进行水印信息的嵌入,有效提高了水印信息的强壮性,由于奇异值分解自身的特性使得水印信息的添加不会对工程图产生视觉冗余,实验结果表明算法达到了比较好的视觉效果,能够抵抗常见的攻击。     

一种基于MobileNet的火灾烟雾检测方法

提出了基于图像序列的火灾烟雾检测方法。首先使用K-近邻（K-NN）背景减除器预测前景区域,对该区域进行形态学操作后得到可能出现火焰或烟雾的区域。其次,使用轻量神经网络MobileNet对火焰和烟雾进行分类。该模型具有流线型架构,同时采用depthwise separate convolution,使得该模型可以运行在嵌入式设备和普通PC机上。实验首先在数据集上完成分类模型训练,使用多种标准进行评估。结果表明:该方法能够在嵌入式设备等计算能力有限的设备上实现火灾烟雾检测。与其他模型相比,该方法在没有明显损失准确度的情况下大幅提高了检测效率。     

HSV空间特征和纹理特征的阴影检测算法研究

为了提高检测和跟踪算法的准确性,提出了一种基于阴影在HSV空间下的特点和纹理特征的阴影检测与去除算法。该算法针对阴影区域覆盖的地面和未被阴影区域覆盖的地面纹理特征基本不变的特点,先检查序列图像中的运动区域,然后在运动区域内,根据阴影在HSV空间下的特点和纹理特征对阴影进行检测与去除,为运动目标的后续处理排除阴影干扰。实验结果表明,该算法能够很好地抑制噪声,有效检测、去除图片中运动目标的阴影。