基于局部熵的点目标检测算法分析

基于局部熵的目标检测与跟踪算法研究已有一些文章介绍,主要针对其应用、改进等方面。通过对点目标局部熵特点的深入研究,定量分析其在不同点目标对比度情况下的局部熵值变化,以及不同尺度子域对点目标作用,研究其中的相互关系,得出点目标的局部熵值定量分析算法。经不同灰度点目标与背景相同灰度差的情况下和具有相同对比度情况下点目标局部熵值的计算,验证了算法及分析的正确性。为点目标检测(如红外目标等)提供定量分析的基础。     

基于直方图熵和遗传算法的图像分割法

图像分割是计算机视觉研究中一个老而难解决的问题。本文提出了一种基于灰度图像的直方图的熵和遗传算法进行图分割的方法,以灰度图像的直方图熵作为评价标准,把图像分割问题定义为一个优化问题,利用遗传算法的寻优高效性,搜索到能使分割到最优的分割参数－－图像分割阈值。     

基于模糊熵的红外图像分割方法

针对红外图像具有的不确定性往往是模糊的且不是随机的特点,提出了一种基于图像的模糊性和最大熵理论的分割方法,给出了基于模糊熵的阈值选取算法。该方法不依赖于图像的直方图,也不需要直方图分布的假设。用该方法对坦克的红外图像进行了分割,与侧抑制方法的比较表明,该方法提高了运算速度。对不同红外目标大小和信噪比的图像均产生很好的分割效果,且受目标大小的影响小,具有较好的鲁棒性,可用于小目标的分割。     

基于改进滤波器和图像加权局部熵的红外小目标图像处理

针对传统背景抑制方法虚警率高、检测率低的问题,提出一种基于改进滤波器和图像加权局部熵的红外 小目标图像处理方法。通过改进中值滤波对原始红外图像进行预处理,分别构建多尺度灰度差异算子、局部图像熵 算子,并将二者进行点积运算得到加权局部熵,从而能够有效地抑制背景并消除噪声。实验结果表明：该方法适应 性较好,运算效率相对传统中值滤波算法提升了20.6%,有一定的理论与工程应用价值。     

基于改进型脉冲耦合神经网络的图像分割方法

脉冲耦合神经网络（Pulse Coupled Neural Network，PCNN）具有良好的脉冲传播特性，在图像分割中得到了广泛应用。针对其需要人机交互通过实验确定其相关参数，实时性差等问题，改进了标准的PCNN模型，提出了一种基于改进型脉冲耦合神经网络的图像分割方法。仿真结果表明，该方法实时性好、自适应性强，分割出的目标轮廓清楚．细节更多。     

基于最小能量的图像分割算法

文中对图像分割进行了研究,将图像分割过程看成一获取信息的过程,通过最大化此信息量,导出一分割图像的能量泛函,最小化能量泛函即可得到分割结果。在最小化能量函数时,运用最陡梯度下降法导出一曲线进化方程,并用水平集方法来表示此曲线,利用快速水平集方法来进行数值求解。最后的仿真结果表明该算法很有效。     

基于熵权的图像分割性能灰色评判

为了克服传统的灰色综合评判中主观赋权的局限性,借助于信息工程学中的熵的概念,根据各评价指标的差异程度来修正权重,建立了一种新的综合评判模型——熵权灰色综合评判模型,并将该模型应用到图像分割性能评判当中。讨论影响图像分割性能的各种因素,从评判的灰色性入手,运用灰色数学的原理和方法对各因素从理论上进行定量分析。对因素权重的确定,不是单凭主观判断,而是采用熵权系数法进行客观计算。评价对象的固有信息得到充分利用。避免了以往评价中只强调过程的某几项少数指标而忽略其它指标的缺点。因此,该模型具有更好的有效性和实用性。     

基于ICT 的引信图像分割算法

针对传统图像分割方法在引信图像分割上的不足,提出一种能够兼顾类内方差和类间方差的改进二维Otsu算法。介绍二维Otsu算法,分析比较原系统分割算法与自适应二维Otsu图像分割算法的优劣。实验结果表明:改进二维Otsu算法既能保证目标和背景的最大离散度,又能使目标和背景的内聚性最好,分割效果明显优于传统方法。     

一种基于局部能量的自适应图像融合方法

文中提出了一种基于局部能量的自适应图像融合方法.首先对原始图像进行小波分解,得到低频和高频子图像.然后分别计算高频子图像的局部能量,再根据不同图像的相应局部能量,计算局部能量熵,根据值局部能量熵赋予其不同的加权系数,从而实现自适应的信息融合.最后通过小波反变换,得到完整的融合.实验结果表明该方法有较好的融合效果.     

一种基于最小模糊熵遗传算法的SAR图像分割方法

在合成孔径雷达（Synthetic Aperture Radar）自动目标识别中,图像分割的好坏直接影响目标的识别性能。本文在最大模糊熵分割方法的基础上,根据图像目标和背景内部像素灰度值的一致性和集中性,提出了一种新的图像分割隶属度函数,从而得到最小模糊熵分割方法,然后将最小模糊熵作为遗传算法的适应度函数应用于SAR图像,进行全局快速的最优阈值寻找。实验结果表明,由于最小模糊熵的抗噪能力强,将其作为遗传算法的适应度函数后,能够更有效地克服SAR图像中的乘性噪声,分割后的噪声点明显减少,图像目标清晰,分割效果明显优于最大模糊熵分割方法。     

基于谱熵的动态双门限语音端点检测算法

针对通信设备语音通话控制的需求,通过综合分析语音端点检测主要方法及性能,提出一种基于谱熵语 音端点检测算法。介绍语音端点检测算法,进行语音信号谱熵计算,通过建立背景噪声模型的方式动态调整谱熵值 判别门限,实现语音端点检测功能。仿真结果表明：该算法不仅在低信噪比条件下具备较好的检测性能,而且在复 杂背景噪声环境下具备良好的适应能力。     

基于非下采样Contourlet的熵测度图像融合算法

活性测度是图像融合过程中的重要衡量工具.通过其提取的某种特征信息,来决定哪幅输入图像的特征更为明显.在基于多分辨率分解的融合算法中,常用的活性测度只考虑各层高频子带系数本身,忽略了低频系数所提供的信息.考虑到综合高、低频系数对于活性测度的影响,基于非下采样Contourlet变换良好的平移不变性、多方向等特性,提出了一...     

基于改进codebook算法的运动目标检测

为解决运动目标检测算法鲁棒性和实时性差的问题,在原始codebook算法的基础上提出一种改进的codebook算法.在匹配码字时将最近更新的码字调整至码本列表的最前端,加快码字匹配的速度;以适应光照变化且运算简单的局部二值模式(local binary patterns,LBP)直方图向量代替原有的RGB向量,采用码本记录局部区域的纹理特性,并通过实验比较原始的codebook、混合高斯算法及改进后的codebook.结果表明:改进后的codebook算法较其他2种算法具有更快的处理速度和更好的检测效果,且增强对场景中光照变化的适应力.     

基于特征点和区域生长的目标图像分割方法

成像探测的运动目标图像中背景复杂并且含有大量的噪声,针对传统的目标的检测和分割方法精确定位困难、且不能完整分割等问题,提出基于特征点和区域生长的运动目标图像分割方法。通过相邻帧图像的绝对值差分图像得到大概的运动区域,利用基于LK光流的角点检测方法提取差值图像中的特征点,采用非最大值抑制对特征点的优劣性进行评估,对好的特征点进行区域生长,最终达到运动目标的分割目的。仿真结果表明:该方法能够对复杂图像序列中的运动目标进行精确定位,得到较好的目标分割结果,并且计算量小,具有较高的鲁棒性。