区域加权信息熵及其在图像特征提取中的应用

图像特征提取是当前基于内容图像检索领域的研究重点,然而单纯基于信息熵的图像特征提取方法无法体现图像内容的位置信息。分析现有的基于颜色—空间图像特征提取算法的基础上,结合图像信息熵概念与图像分割算法,提出了一种新的图像信息熵描述方法,即区域加权信息熵,并证明了区域加权信息熵的若干性质。采用信息熵性能评价指标从概率的角度描述因权值变化而引起的图像信息熵分布的变化,并考虑应用的兴趣区域以及权值粒度从而确定合理权值。实验表明区域加权信息熵方法比单纯信息熵方法描述图像内容准确率提高了50%以上。

改进的基于区域加权信息熵的图像修复方法

针对目前图像修复效率低下的问题,提出一种基于区域加权信息熵的图像修复改进算法。根据颜色向量角能够衡量图像中的颜色差异特性,先构造边缘项来代替Criminisi算法中的数据项,并改进优先权计算方式;然后根据区域加权信息熵对图像待修复区域进行分块,进而根据熵值确定最佳匹配块。最后的实验结果表明,文中的图像修复算法不但有更好的修复效果,且耗时更少。

基于区域加权信息熵和改进遗传算法的图像检索

采用信息熵性能评价指标从概率的角度描述因权值变化而引起的图像信息熵分布的变化,可以根据用户关注的范围确定重点加权区域,通过改进的猴王遗传算法来确定权值选择,能够自动的确定感兴趣的区域。区域加权信息熵能够提取图像的颜色以及空间特性,并且保留了香农熵的数学特性。实验表明,区域加权信息熵实验结果的准确率高于单纯的颜色特征提取算法。