玻耳兹曼熵公式导出克劳修斯熵公式的一种初等方法

本文给出了利用玻耳兹曼分布律，直接由玻耳兹曼熵公式Ｓ＝ｋｌｎΩ导出克劳修斯熵公式的一种初等方法，它避免了卡诺循环及卡诺定理，有利于加深对熵的概念及两个熵公式内在联系的理解．     

宏观克劳修斯熵与微观玻耳兹曼熵的统一：兼谈宏观克劳修斯熵公式的微 …

论证了宏观克劳修斯熵与微观玻耳兹曼熵的统一性，对宏观克劳修斯熵公司的微观诠释及本质进行了探讨。     

宏观克劳修斯熵与微观玻耳兹曼熵的统一─兼谈宏观克劳修斯熵公式的微观诠释及本质

论证了宏观克劳修斯熵与微观玻耳兹曼熵的统一性．对宏观克劳修斯熵公式的微观诠释及本质进行了探讨．     

宏观克劳修斯熵与微观玻耳兹曼熵的统一--兼谈宏观克劳修斯熵公式的微观诠释及本质

论证了宏观克劳修斯熵与微观玻耳兹曼熵的统一性.对宏观克劳修斯熵公式的微观诠释及本质进行了探讨.     

重力场中玻耳兹曼分布律的修正

用球形模型讨论了粒子在重力场中的分布规律研究表明，粒子数密度随高度的衰减比指数衰减更快所研究结果对登山和航空领域测量上升的高度有重要意义     

玻耳兹曼关系和平衡态均匀系的体积无偿自发收缩不可能

本文根据玻耳兹曼关系论证了平衡态均匀系的体积无偿自发收缩不可能的新命题,在一定范围内、一定条件下,和熵增加原理等价。因而可以把玻耳兹曼关系看成是该命题的统计力学理论基础。     

基于关联熵系数的图像分割新算法

图像分割是图像分析的基础,阈值法因简单、快速和稳定而成为图像分割的一种重要方法,在图像处理与识别中广泛应用。针对图像分布具有多样性,本文提出基于随机变量之间关联熵联系的图像分割新算法,该算法通过最大化目标和背景两个概率分布之间的关联熵系数并获得图像分割的最佳阈值。实验结果表明,本文提出的关联熵系数阈值分割方法是可行的。     

基于直方图的模糊最大指数熵图像分割方法

针对最大熵阈值分割算法的计算缺陷,提出了一种基于直方图的模糊最大指数熵阈值图像分割新算法．该算法把模糊性指数、模糊熵概念应用到图像分割中,结合基于灰度图像直方图的模糊最大熵阈值图像分割理论,给出了模糊最大熵的新定义,同时引入了指数熵的概念．该算法能较好地完成图像分割,较传统分割算法具有更强的抗噪能力,为后续的图像处理提供了良好的基础．通过对真实目标灰度图像的分割和对比实验,表明本文新算法分割准确,性能优越。     

基于相对熵阈值法的储粮害虫图像分割

介绍了储粮害虫智能检测系统的图像采集、图像增强、特征抽取及其识别分类,阐述了相对熵阈值分割算法,利用该法进行粮虫图像的在线分割,效果较好,通用性强.     

基于灰度和空间特性的谱聚类图像分割

为了克服谱聚类图象分割方法性能容易受到图像大小和相似性测度的影响,提出一种基于灰度和空间特性的谱聚类图像分割算法。该算法不对图像中的像素之间建立相似性,而是利用各个像素的灰度在图像中的分布信息和像素点的空间邻接信息建立灰度之间的相似关系,通过对图像中灰度的分类进而获得原始图像的分割结果。因此,该算法不会受到图像大小的限制,无论对于多大的图像,相似性矩阵的大小都是小于等于256×256。Berke-ley基准图像数据集上的分割仿真实验验证了该方法的有效性。     

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.     

一种新信息熵定义及其在图像分割中的应用

熵阈值法是图像分割中的重要方法,并在图像处理中得到了广泛的应用。针对香农熵阈值法因存在对数计算而导致计算量过大的问题,本文首先提出了一种新的信息熵;其次对其一些性质进行了探讨;最后用于图像分割的阈值选取。实验结果表明,本文的新熵阈值法是可行的,且其计算所需时间量远小于比香农熵阈值法。     

自适应熵疫苗算子的免疫图像分割方法

本文针对二维熵图像分割算法存在计算量巨大的问题,基于免疫调节机制,设计了一种新的图像分割方法．该方法利用免疫疫苗理论,并与熵理论相结合,提出了熵疫苗算子．熵疫苗作为抗体疫苗进行选择,通过熵运算,提取更新疫苗库,从而使得最优分割阈值的形成及疫苗库的更新具有自适应性,疫苗的选择更加准确有效．仿真实验表明熵疫苗算子加快了算法的搜索速度、提高了算法的适应性．该算法对复杂图像具有良好分割效果和较强的实时处理能力．     

一种超模糊熵ULPCNN图像自动分割新方法

为了自动地对图像进行二值分割,提出了一种新的自适应迭代全局阈值图像分割算法．首先对二维超模糊集隶属函数进行了自适应修正,并将其引入到图像超模糊熵概念中; 然后从适应图像分割角度,将传统脉冲耦合神经网络模型改进为具有单调指数上升阈值函数的ULPCNN抑制捕获模型; 最后把ULPCNN与最大超模糊熵判据相结合对图像进行自动分割,并与基于最大香农熵、最小交叉熵及最小模糊熵准则的ULPCNN分割方法作了比较．理论分析和实验结果表明,该方法能自动确定迭代次数和选取最佳阈值,对图像目标划分清晰,细节保持较好,改善了图像的分割性能．     

SAR图像的二维灰熵模型快速分割方法

为提高图像分割速度和抵抗噪声的能力,综合利用小波分析、遗传算法、图像熵和灰色理论,提出一种基于二维灰熵模型的快速SAR图像分割方法．该方法首先对待分割图像进行小波变换,将表征图像概貌特征的低频信息重构为概貌图像,表征图像细节和边缘的部分高频信息重构为梯度图像,然后构造两者的概貌-梯度共生矩阵模型,根据最大熵原理设计二维灰色熵模型作为遗传算法的适应度函数．最后,利用遗传算法高效、并行的寻优能力,通过选择、交叉和变异等遗传操作快速逼近最佳阈值．实验表明,该方法不仅在图像分割过程中能够滤除SAR图像中的噪声,而且分割速度明显加快．     

基于灰度特性的指纹图像分割算法

提出了一种简便的指纹图像的分割算法,为可靠、准确地实现指纹自识别提供一种可行的方法.算法中通过合理的运用图像灰度特性,以较低的计算代价有效地解决了指纹图像分割问题.这种算法处理的效果好、运行速度快.实验表明,这种分割算法对于指纹图像的预处理是很有效的.     

一种基于多层次分析和熵权的灰色聚类评价方法

在传统灰色聚类评价方法的基础上,采用多层次分析法建立评价指标体系,并利用熵权法计算聚类指标的指标权重,建立了一种基于多层次分析和熵权的灰色聚类评价方法.实验仿真和实例验证结果表明,该评价方法具有较高的有效性和客观性,优于传统评价方法和文献[12]的评价方法.     

PCB图像增强与分割

PCB缺陷检测的特点是建立基于边缘的样本结构,利用边缘的梯度方向进行缺陷的检测.针对这一特点对PCB图像进行增强处理,在突出图像边缘的同时滤除边缘附近的噪声,为后续图像分割时更有效的选取阈值打下良好基础.使用方差分析法得到最佳分割阈值,并应用此阈值进行图像分割.实验表明,二阶梯度图像增强不仅解决了目标图像边缘附近噪声去除问题,而且有效地突出了边缘信息,图像的黑白对比分明,尤其是目标图像靠近边缘部分灰度值明显高于其他的非边缘区域.