基于局部交叉熵的图像匹配跟踪算法

交叉熵值的大小反映了模板图像与实时图像之间的信息量差异大小,从平均意义上来表征模板图像与实时图像之间的信息量差异量。为了解决机裁成像光电吊舱系统中的图像辐射失真和几何失真问题，提出了基于局部交叉熵的图像匹配跟踪算法。由于交叉熵值最小准则有利于信息量丰富的图像匹配，因此该算法不仅具有抗噪能力，而且具有良好的抗辐射失真和抗几何失真的能力。仿真试验表明：在辐射失真情况下，该算法具有稳健的匹配跟踪能力，适应能力强，是一种很实用的匹配跟踪算法。     

基于灰度变化的最小交叉熵图像分割

论文提出了一种基于灰度变化的最小交叉熵图像分割算法。该算法用于在夹杂较强的散斑、噪音以及亮度不均的图像数据环境中分割相关区域。算法参考目标粒子边缘与局部背景的梯度,将全集分割为灰度分布明显不同的子集,寻找使得与全集交叉熵变化最小的子集,抹去子集的局部灰度偏移特征,然后将变化后的子集合并再进行传统的阈值分割。实验表明该算法具有运算量少、分割结果自适应性好的特点。     

基于交叉累计剩余熵的多光谱图像配准方法

针对传统互信息图像配准容易产生局部极值的问题,提出将双边滤波器和交叉累计剩余熵结合作为匹配算法,进行多光谱图像的配准。在这种配准算法中,首先针对多光谱图像特点,提出基于概率密度的双边滤波器边缘提取方法,其次采用交叉累计剩余熵代替互信息作为测度函数将参考图像与待匹配图像的边缘进行匹配。双边滤波器的特性是去噪保边,而累计剩余熵比香农熵更具一般性,且该函数可以有效地避免局部极值,去除噪声。实验证明,该方法鲁棒性好,配准效果明显。     

图像中局部熵描述的合理性及其应用

综述了图像中的局部熵的概念和数学意义；论证其在反映图像所包含信息量方面的合理性；给出局部熵在目标检测和图像匹配中的应用实例：进行目标检测时，将图像分割成适当的子图，并计算子图的局部熵，以此为据判断目标的存在；进行图像匹配时，采用了分块搜索技术的局部熵差图象匹配并行算法；之后对局部熵应用的不足做出了评价，并提出了解决问题的对策。该算法已经应用到高速红外图像采集系统中，实践证明局部熵在一定领域的应用可得到满意的结果，具有良好的抗噪声能力和检测敏感性。     

基于熵的前馈网络修剪算法

剪枝算法是一种通过简化网络结构来避免过拟合的有效方法之一。文章依据Shannon熵原理定义了神经网络隐层节点输出的拟熵,该熵与Shannon熵对不确定性的描述具有相同的效果,但克服了Shannon熵中无定义和零值的缺点。将交叉熵和隐节点输出拟熵作为目标函数,并采用熵周期的策略对网络参数进行寻优,通过删除合并隐层神经元达到简化网络结构的目的。仿真结果表明,此方法简单易行,对BP网络的泛化性能有较好的改善。     

基于分解的二维指数交叉熵图像阈值分割

尽管用对数定义的Shannon熵是测度信息不确定性的有效方法,但存在无定义值和零值的问题,且现有的二维Shannon交叉熵法其运行速度仍有提升空间。为此,提出了一维和二维指数交叉熵阈值分割算法。首先给出了指数交叉熵的定义,并导出了一维指数交叉熵阈值选取方法;然后将其推广提出了基于分解的二维指数交叉熵阈值分割算法。通过分别求原像素灰度级图像和邻域平均灰度级图像的一维指数交叉熵最佳阈值,并将其组合求解二维指数交叉熵最佳阈值,从而将二维运算转换到两个一维空间上,大大缩小了搜索空间,使计算复杂度由O(L4)降为O(L)。实验结果表明,与最近提出的二维Shannon交叉熵法及二维Tsallis交叉熵法相比,所提出的方法能够得到更为优越的分割效果,且运行时间大幅减少。      

分解的二维倒数交叉熵图像阈值选取

Shannon熵常用于表示信息平均不确定性,但因其定义基于对数函数故存在零点处无意义的缺陷,且二维交叉熵法中若能避免对数运算可使处理速度进一步提升。据此,本文提出了基于分解的二维倒数交叉熵图像阈值选取方法。首先定义了倒数交叉熵,依据分割前后图像之间的最小倒数交叉熵选取阈值;然后给出了二维倒数交叉熵定义及其阈值选取公式,提出了二维倒数交叉熵阈值选取的分解算法。通过求解两个一维倒数交叉熵的最佳阈值,再将其组合获得二维倒数交叉熵最佳阈值,由此将二维运算分解为两个一维运算,算法的计算复杂度从O(L4)降低到O(L)。大量实验结果表明,与基于粒子群优化(Particle Swarm Optimization, PSO)的二维最大Shannon熵法、基于粒子群优化的二维Shannon交叉熵法以及二维指数交叉熵法相比,本文方法的分割效果和运行速度均有优势。      

交叉熵约束的红外图像最小错误阈值分割

针对目标和背景具有相似统计分布的红外图像,经典阈值分割方法仅以某种形式的方差或熵作为准则,未考虑图像的实际特性,分割效果不甚理想。为此,提出了一种基于交叉熵约束的红外图像最小错误阈值分割新方法。首先,引入交叉熵来度量目标和背景统计分布的相似性,交叉熵越小表明分布越相似;然后在交叉熵小于一定值的条件下使分类错误达到最小。交叉熵的约束保证了分割过程适应红外图像实际特性,分类错误最小确保了分割效果的有效性。该方法原理清晰、参数设置简单,在一系列实际图像上的实验结果表明,与现有几种经典阈值分割方法相比,文中方法有效提高了目标和背景具有相似统计分布的红外图像的阈值分割准确率。     

基于加权IFS证据合成的多源信息融合方法

为权衡信息融合系统对各条证据的可信程度,提出基于直觉模糊交叉熵的证据折扣方法,用于直觉模糊证据合成规则。并根据确定性理论,对直觉模糊决策中的记分函数进行改进,得到基于确定性因子的记分函数形式,用于直觉模糊证据合成结果判定。最后通过与其他算法的对比实验,验证算法在多传感器目标识别应用中是有效的,且具有较高的计算效率。     

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...     

图像分割中的交叉熵和模糊散度算法

本文将交叉熵和模糊散度应用于图像分割中,提出了中最优灰度值选取算法,其一是基于均匀分布假设的最小交叉熵算法,其二是利用后难概率的最大类间交叉熵算法,其三是类间最大模糊散度的改进算法,其四是最小模糊散度算法,针对图像阈什化分割的要求,在后两种算法中构造一种新的模糊录改度函数,本文采用均匀测试和开头测试比较各算法的性能,利用多种类型测试 是到的分割结果,显示了所筛算法的有效性和通用性。     

基于邻域空间特征的低对比度小目标分割算法

低对比度图像具有邻近像素的空间相关性高、灰度变化不明显等特点,从中分割出微小目标是非常困难的。本文提出一种新的低对比度图像提取小目标的分割算法,通过引进局部均匀度,结合局部熵获得空间分布状态,对低对比度图像进行分割,该算法充分利用了目标图像的灰度和空间属性。实验结果表明,该方法能有效地实现低对比度小目标图像的分割。相对于其他算法,分割精度更高,且抗噪性强,可以有效地降低过分分割问题。     

一种新型多车道车流量检测算法

为了实时有效地检测道路路口车流量信息,并为交通控制和管理提供准确的交通流数据,提出了一种新型的车流量检测算法。通过利用现有的路面标记进行图像对称分割并计算图像灰度值方差,来判断有无车辆通过,进而实现车流量计算。仿真结果表明,该算法不仅简单,易于实现,而且检测准确率高,实时性好,能够有效地为智能交通灯控制提供信息数据。     

基于Tsallis交叉熵快速迭代的河流遥感图像分割

为了使河流遥感图像分割的精度和速度进一步提高,本文提出了一种基于二维Tsallis交叉熵快速迭代的河流遥感图像分割方法。鉴于现有的Tsallis交叉熵阈值法运算效率不够高,首先提出了一维Tsallis交叉熵阈值选取的快速迭代算法;然后导出了基于灰度级—邻域平均灰度级直方图的Tsallis交叉熵阈值选取公式,以进一步提高分割精度,并采用递推方式计算阈值选取准则函数中的中间变量,避免其重复运算,加快运算速度;最后,提出了二维Tsallis交叉熵阈值选取的快速迭代算法,推导出相应的公式,大大减少了运算量。大量实验结果表明,与近年来提出的4种阈值分割方法相比,本文方法在对河流遥感图像的分割效果及运行时间上均有明显优势,是河流检测与类型识别系统中可选择的一种快速有效的分割方法。      

微小零件显微检测图像的清晰度评价

根据微小零件显微检测图像纹理相似、边缘信息太少和灰度分布范围有限等特点,从算法的基本原理出发,对传统清晰度评价函数进行了分析。针对传统清晰度评价函数无法兼具高灵敏度和抗噪性的缺陷,提出了一种基于局域方差信息熵的清晰度评价算法。该算法利用局域方差对各灰度级的自信息量进行加权,一方面弥补了信息熵函数缺失的空间信息,避免清晰度误判;另一方面增加清晰区域像素参与计算信息量时的权重,同时减少背景区域和噪声区域像素计算的权重,从而提高函数灵敏度。实验结果表明,与传统清晰度评价函数相比,局域方差信息熵函数不仅灵敏度很高,而且具有较好的抗噪性,可用于实际的自动对焦系统中。     

基于Harris算法的自适应双极性红外舰船目标检测

红外舰船目标检测是舰船目标自动识别与跟踪的关键技术之一。针对现有方法在舰船目标成像灰度呈现"双极性"(舰船亮度高于或低于背景)或多极性(舰船目标灰度分布不均匀)的情况下适应能力不足,提出了一种新的红外舰船目标检测方法。为抑制海空杂波干扰提高检测概率,对图像进行均值漂移滤波,利用行垂直方向梯度投影获得感兴趣区域,通过检测区域内目标角点实现舰船目标的自动检测。实验结果表明,该算法能够克服传统算法基于舰船亮度高于背景的假设,在舰船灰度呈现双极性或多级性的情况下获得较好的检测结果。     

基于最大熵和边缘信息的非结构化道路检测

针对非结构化道路因场景干扰因素多而难以准确检测的问题,文中提出了一种基于最大熵和边缘信息相结合的非结构化道路检测算法。根据熵值大的地方,图像灰度相对较均匀;熵值小的地方,图像灰度离散性较大的特性,采用二维最大熵做道路初分割。同时,结合道路边缘信息解决道路检测因光照不均、阴影和水迹等因素干扰而导致道路检测不准确的问题。实验结果表明,该算法能够准确检测出光照、阴影、水迹的路面,并且不受道路类型的影响,满足实时性要求。     

红外系统小目标成像自动调光方法

提出了一种实时调整红外相机积分时间的方法。针对成像为点目标且灰度值变化剧烈的情况,为保证红外辐射特性测量的精度,标定了相机在不同积分时间下亮度与成像灰度值的对应关系,确定了红外相机响应关系线性度较好的区域;提出了点目标弥散范围的计算方法,并对红外系统的模拟图像和真实图像进行匹配获得最优化估计的目标位置、尺寸以获取目标的所有灰度值,而后根据亮度与灰度的关系对积分时间进行调整。实验结果证明,可同时调整两个不同红外相机的积分时间以保证灰度值处于理想区间内,调整频率可达25Hz,满足高速飞行器试验的实时性要求。     

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.