最大熵原理在非结构化道路图像识别中的应用

根据非结构化道路环境的特点，结合最大熵理论在图像处理中的运用，提出了一种基于最大熵理论的非结构化道路图像识别的算法。对于以往划分道路时，阴影区域和道路与非路交界区域容易出现分类错误的现象，通过两次最大熵分类，把这些区域重新划分，最终将道路与周围的环境区分开来。同时满足实时性的要求。     

基于交叉视觉皮质模型的非结构化道路检测算法

针对传统非结构化道路检测算法对各种复杂路面环境通用性不强且计算复杂度高的问题,提出了一种基于交叉视觉皮质模型(ICM)的道路检测算法.ICM具有接近生物视觉信息处理机制的特点,能够根据像素及其邻域的相关性动态区分目标和背景.基于ICM分割算法需要解决的问题是最佳分割阈值和循环迭代次数的确定,提出了采用最小交叉熵判决机制...     

基于最大熵与小波变换的图像边缘检测算法

提出了一种有效的基于最大熵和小波变换的数字图像边缘检测算法,并用形态学方法对图像进行优化处理,文中算法不但能够很好的提取图像边缘,同时对经典算法提取边缘后出现的断续不完整现象有了很好的改进,还能有效的去除噪声和伪轮廓,和一些传统的边缘检测算法相比,本算法在细节丰富和含有噪声的图像中应用具有优越性,达到了很好的识别边缘的效果.     

基于二维最大熵和顺序滤波的红外图像分割

红外图像分割在红外成像制导和其它红外目标识别领域非常重要和提出了一种综合运用二维最大熵和顺序滤波方法对红外图像进行分割的新方法.该方法首先对图像进行基于二维最大熵的阈值分割,然后对二值图进行顺序滤波消除虚警点,取得了非常理想的分割效果.本文提出了一种新的逐步逼近二维最大熵阈值递推搜索算法,阈值搜索时间得到了大幅度减少,满足了一般的实时需求,具有较高的应用价值.     

二维最大熵和二维最小交叉熵结合的图像分割

二维最大熵法和二维最小交叉熵法是目前常用的两种阈值分割方法,但在某些时候因为两种方法获取的阈值过高或者过低,使得分割失效.针对此问题,提出了基于二维最大熵法和二维最小交叉熵法结合的图像分割方法.首先,对二维最小交叉熵公式进行转化;然后,利用多目标规划理论将这两种方法有机结合使得到的阈值既满足二维最大熵原则,又满足二维最...     

基于融合边缘算子和最大熵的低质量指纹分割研究

针对指纹低质量指纹图像分割的特征,并总结了常见指纹分割算法存在的缺点,引出采用边缘检测的方法进行低质量指纹分割算法的设计研究。本文考虑由于单纯采用Sobel-Snake算子仅能起到平滑和抑制噪声的作用,并不能实现指纹图像和背景的分离,故此在Sobel-Snake算子检测之前采用二维最大熵的方法对图像进行二维最大熵技术,然后通过Sobel-Snake算子获取边缘图像,并根据给定阈值向量实现了低质量指纹分割算法。最后给出实验效果和分割图像的评价指标。     

基于最大模糊熵的红外图像边缘检测算法

针对红外图像边缘检测这一难题,结合红外图像及其梯度图像的特点,在红外梯度图像模糊划分的基础上,提出了一种基于最大模糊熵的红外图像边缘检测方法.首先通过改进传统Sobel算子构造出红外图像的梯度图并研究其直方图特点,然后对其进行自然模糊划分,最后根据最大模糊熵准则确定最优模糊参数,进而确定梯度图像的最佳分割阈值,从而实现边缘提取.与传统的基于梯度的边缘检测算法进行对比实验,结果表明,该方法用于红外图像边缘检测能获得更好的效果.     

基于二维最大熵阈值分割的SIFT图像匹配算法

提出了一种基于二维灰度直方图最大熵阈值分割的SIFT图像特征匹配算法。与传统SIFT算法相比,该算法首先综合利用图像像素的灰度信息和邻域空间信息,生成图像二维灰度直方图,并基于此直方图的最大熵对图像进行阈值分割,然后检测分割后图像的DoG尺度空间局部极值,并以此作为特征点进行图像匹配。实验结果表明,基于所提出的匹配算法,可以有效降低图像背景噪声和边缘像素点对目标匹配的干扰,进而提高图像目标的匹配性能。     

基于分形理论的改进型二维最大熵红外图像分割算法

提出了一种基于分形理论的改进型二维最大熵红外图像阈值分割算法。该算法利用图像分形维数挖掘像素的空间分布信息,然后将原图像灰度及其分形维数映射图像灰度相结合组成二维随机向量,并构造出联合离散概率分布。在此基础上,以二维最大熵原则来确定一个最佳二维分割阈值,进而取得分割结果。实验结果表明,该算法在分割效果上优于传统的二维最大熵分割算法。     

基于距离灰度补偿的改进最大熵红外图像分割

针对红外图像由于目标和背景边界模糊,采用单一熵阈值法进行图像分割结果不理想,提出了一种基于距离灰度补偿的红外图像增强方法,利用距离作为空间信息对灰度进行补偿,改善了目标和背景边界模糊对图像分割的不利影响;然后提出了一种基于交叉熵约束的最大熵阈值图像分割方法,在交叉熵约束保证类间差异的前提下利用类内均匀性进行图像分割,避免了单一熵方法阈值的局限性.实验结果表明,对小目标复杂背景和复杂目标大背景的红外图像,所提出的方法得到了准确的图像分割结果.     

基于最大熵和PCNN的图像分割新方法

针对脉冲耦合神经网络(PCNN)无法确定最优分割以及脉冲门限具有非线性因子的问题,提出了一种基于最大熵和脉冲耦合神经网络的新型图像分割算法.该算法采用线性方式动态调整脉冲门限,采用最大熵确定PCNN网络的循环迭代次数,并引用均值滤波的思想对PCNN的接收部分进行了改良,以克服噪声对分割过程的影响.实验结果表明该方法能获得视觉效果较好的分割结果并具有较强的普适性.     

图像分割中的边缘检测

数字图像的边缘检测在图像分割、模式识别、机器视觉等中有很重要的作用。从70年代到现在发展出了很多种边缘检测的方法,而对于不同的应用环境,不同算法的效果不同。针对高速公路中图像的特点,对几种典型的边缘检测方法的原理和实现方法进行了详细分析和说明,对比分析了各种算法应用在高速公路图像识别中的优劣,并根据高速公路图像识别系统的特点选择了合适的检测算法。     

基于直线模型的道路边界识别技术

为了能为汽车实时提供前方道路信息,文中建立了直线道路边界模型,并提出了道路边缘识别算法。通过灰度化、直方图均衡化、滤波,边缘增强与二值化的处理粗略得到图像的边缘,再利用道路边界的邻域特征从图像边缘中识别出道路边界。仿真结果表明,该算法能准确识别出道路的边缘。     

一种基于最小交叉熵的canny边缘检测算法

考虑传统Canny算子在边缘检测中的不足,提出一种融入最小交叉熵的Canny边缘检测算法.传统Canny算子的高低阈值一般人为地设定固定值,当一幅图像的灰度级集中在某一区域时,容易造成虚假边缘;利用最小交叉熵计算图像的高低阚值,可以得到理想的阈值;利用图像灰度的均值和方差计算Canny算子的高斯滤波参数.实验结果表明,算法较好地提取了图像的边缘信息,抑制噪声能力较强,有效地提高了边缘检测的鲁棒性.