基于分块信息熵方差的图像置乱程度评估

将信息熵与图像的分块处理思想相结合,提出了一种基于分块信息熵方差的图像置乱程度评估方法.在详细阐述评估方法基本原理的基础上,通过仿真实验对同一图像基于Arnold变换的像素位置置乱、基于Logistic混沌映射的像素灰度值置乱及二者级联的像素位置与灰度值均置乱的3种图像置乱方式下的置乱程度进行评估和分析,并验证了所提方法的正确性与有效性.应用该方法进一步对多幅不同图像在同一加密算法下的密文图像的置乱程度进行评估,结果表明所提出的方法具有与原图像无关的特点,可以用于加密算法的安全性评估.文中方法原理简单,实现容易,且无需原图像参与,具有较好的实用性.

基于区域和方向方差加权信息熵的图像融合

提出了一种基于非下采样Contourlet变换(nonsubsampled Contourlet transform,NSCT)的红外与可见光图像融合方法。首先对原红外图像进行图像分割,确定目标区域与背景区域,并将其映射到可见光图像中;然后对红外和可见光图像进行多尺度、多方向分解,分解后的低频部分在目标区域选择红外图像低频系数、在背景区域选择可见光图像低频系数,高频部分使用方向方差加权信息熵最大作为融合策略进行融合;最后对融合的系数进行重构得到融合图像。实验结果表明,本文算法在保留图像细节信息、增加信息量、方便目标检测方面都有显著地提高。

基于局部方差加权信息熵的瓷砖表面缺陷检测

针对瓷砖表面缺陷高精度高效率的检测要求,提出一种基于局部方差加权信息熵的检测算法。首先,将预处理之后的待检测瓷砖图像与标准瓷砖图像进行差分运算,获取瓷砖的差值图像;然后,通过计算各像素点之间的局部方差值对缺陷区域的轮廓进行初步提取;最后,采用加权信息熵对缺陷区域进行修正,突出缺陷的细节信息,从而体现出精准的瓷砖缺陷区域。实验结果表明,该算法适用于多种瓷砖表面缺陷的检测,缺陷识别率超过93%,误检率小于3%。与传统缺陷检测算法相比较,该算法在保留缺陷图像的细节信息和方便缺陷检测方面都有显著的提高,而且对低质量瓷砖图像的识别也能取得较好的效果。

一种新的空时域滤波小目标检测方法

为了提高红外图像序列中弱小目标的信噪比和检测概率,同时考虑检测算法实时性,提出了一种新的基于空时域滤波的小目标检测方法。首先,以第一帧图像为参考帧,对各帧图像进行运动补偿;然后,对运动补偿后的各帧图像在空域进行方差加权信息熵滤波,对空域滤波后图像采取双向隔帧差分的时域滤波;最后通过检测差分图像中的"凸包",抑制背景和噪声,检测小目标。文中给出了实验结果与分析,并与其他方法作了比较。实验结果表明,上述方法能大幅度的提高目标的信噪比,检测小目标,且实时性好。

红外复杂背景中一种融合两类跟踪框架优点的小目标跟踪算法

提出了一种融合"滤波、数据关联"跟踪框架和"目标建模、定位"跟踪框架优点的红外复杂背景中小目标跟踪算法.在算法的具体设计中,提出了一种基于非线性量化核函数直方图的小目标建模方法和一种基于目标局部区域背景复杂程度Kalm an滤波的当前帧目标模板更新策略.实践证明,此算法不仅降低了传统M ean-sh ift迭代算法对于小目标跟踪的不稳健性,而且具有比一般Kalm an滤波器更强的抗跟踪系统观测噪声扰动的能力.

遗传算法中截止代数的判定

遗传算法的截止条件一般为找到一个可接受的解或达到预先规定的截止代数.但并没有说明继续运行是否可以找到更优解.本文通过引入方差和信息熵的概念,描述了遗传算法种群空间的分布情况,通过对种群空间分布的描述来判定遗传算法的截止代数.

多源视频序列噪声抑制融合算法

提出一种新的红外与可见光视频序列噪声抑制融合算法。首先采用图像分块结合局部加权信息熵的方法对红外图像进行目标区域分割;然后对已配准的红外与可见光源图像利用本文作者提出的新融合规则仅在目标区域进行融合;最后将融合后的目标区域与可见光图像的背景相结合。与传统融合算法的对比实验表明:该算法在抑制噪声的同时能更好地实现两类源图像的优势互补,具有实时性高和对噪声的鲁棒性好等特点。

采用粒子群优化粒子滤波的红外目标提取算法

提出了一种新的基于粒子群优化粒子滤波(PSOPF)的红外目标提取算法,将红外目标提取阈值的计算问题看作系统状态估计问题.在粒子滤波的框架下,建立了关于灰度—方差加权信息熵和像素点灰度值的阈值状态空间,建立了基于粒子群优化算法思想的系统状态转移模型,建立了基于红外目标提取效果评价函数的系统观测模型,它有效综合了红外图像中灰度、信息熵、梯度、像素点的空间位置等信息.最后,以粒子的加权平均估计目标提取的阈值.实验结果表明,该方法是有效且稳健的.

基于序贯蒙特卡罗方法的自适应红外目标提取算法

本文将红外目标提取阈值的计算问题看作系统状态估计问题,提出了一种基于序贯蒙特卡罗方法的红外目标提取算法。在序贯蒙特卡罗方法框架下,建立关于灰度—方差加权信息熵和像素点灰度值的阈值状态空间;建立随机漂移状态转移模型;综合了红外图像中灰度、信息熵、梯度、像素点的空间位置等信息,提出了定量描述红外目标分割效果的评价函数,并以此作为系统的观测模型;最后,将粒子的加权平均做为分割阈值的估计值。实验结果表明,该方法是有效且稳健的。

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。

An outlier recognition approach in surveying data based on information entropy

A novel outlier recognition method in surveying data is presented based on Shannon information entropy. The probability distribution of surveying data does not need to be known or hypothesized in this method, and it is not only accurate but also convenient to calculate in this method compared with statistical recognition method.

一种基于“熵图”的红外海天目标潜在区域选取方法研究

为后续能更快地识别目标,对一种基于"熵图"的红外海天目标潜在区域选取方法进行了研究。分析了红外海天背景图像灰度值分布特点,引入熵图概念。进一步分析了红外海天背景图像的熵图特点,提出了一种能适当选取海天背景中目标潜在区域的方法。先用半径为R像素的圆形窗口在原始图像上滑动,将窗口中心点的灰度值用该窗口的局部方差加权信息熵替代求取熵图,初步确定海天线区域;对所得熵图再求取一次熵图,以消除天空云层边缘、海平面波浪、海天线部分的干扰;将两次求得的熵图的对应元素相乘得到新熵图,增大目标潜在区域的灰度值,减小其他干扰部分的灰度;寻找亮度最大点为中心的圆形区域就是目标潜在区域。实验表明:用该方法选取目标潜在区域有较强的适应性,选取的目标区域范围较小,可显著减小后续目标识别中的计算量。

基于侧抑制的红外图像自适应预处理

针对复杂海空背景下的红外图像,提出了一种基于侧抑制的红外图像自适应预处理的方法。根据不同背景图像方差加权信息熵的变化,建立了方差加权信息熵与侧抑制网络作用调节因子的对应关系。通过对不同实际场景自适应地调整侧抑制网络作用强度,实现了不同背景条件下实时红外序列图像的自适应处理。仿真实验表明,该方法能有效提高杂波背景下图像的信杂比,具有突出目标特征和适应复杂背景的能力。

Entropy, Fisher Information and Variance with Frost-Musulin Potenial

This study presents the Shannon and Renyi information entropy for both position and momentum space and the Fisher information for the position-dependent mass Schr¨odinger equation with the Frost-Musulin potential. The analysis of the quantum mechanical probability has been obtained via the Fisher information. The variance information of this potential is equally computed. This controls both the chemical properties and physical properties of some of the molecular systems. We have observed the behaviour of the Shannon entropy. Renyi entropy, Fisher information and variance with the quantum number n respectively.

基于改进复杂度的红外弱小目标区域检测算法

方差加权信息熵作为稳健的红外背景复杂程度定量描述指标,在红外弱小目标检测中取得了不错的效果,但由于其计算复杂,导致算法实时性差,很难在工程上应用。为了能快速地在红外复杂天空背景中识别到弱小目标区域,对传统的基于图像方差加权信息熵的滤波算法进行改进。先对图像进行显著性区域分割,粗略地得到显著性区域,然后对显著性区域计算双分析模板区域方差加权信息熵差值,根据复杂天空中典型区域的双分析模板区域方差加权信息熵差值的特点将候选目标区域识别出来。实验表明,用本文算法既可以排除大量的复杂天空背景干扰区域,又大幅缩短了算法运行的时间。