街道极坐标直方图及方向熵在传统聚落中的应用研究——以河北井陉当泉村为例

传统聚落中的街道网络是构成整个聚落空间形态的骨架,街网的衍生展示了传统聚落有机生长的过程。街道极坐标直方图是一种可反映聚落街道方向频率的图示,未加权与加权的图示共同揭示聚落街道方向、长度等特点。方向熵作为街网离散程度的度量,既可以量化聚落演变过程中街网的秩序,也可以比较分析不同聚落街网的混乱程度与共异。以此新型的街网可视化与量化方式对河北当泉村街网进行研究,并对同地域的五个传统聚落做对比分析,发掘传统聚落街道的内在发展规律及不同聚落街网形态的共异,以期为聚落研究提供新的技术支撑及可能性。

基于街道极坐标直方图及方向熵的聚落研究——以河北井陉当泉村为例

传统聚落中的街道网络是构成整个聚落空间形态的骨架,街网的衍生展示了传统聚落有机生长的过程。街道极坐标直方图是一种可反映聚落街道方向频率的图示,未加权与加权的图示共同揭示聚落街道方向、长度等特点。方向熵作为街网离散程度的度量,既可以量化聚落演变过程中街网的秩序,也可以比较不同聚落街网的混乱程度。以街网可视化与量化方式对河北当泉村街网进行研究,并对同地域的5个传统聚落做对比分析,发掘传统聚落街道的内在发展规律及不同聚落街网形态的共异,以期为聚落研究提供新的技术支撑及可能性。

基于极坐标直方图及方向熵的聚落街网研究——以河北鹿泉水峪村为例

街网结构作为传统聚落的空间骨架,承载着聚落的历史发展变迁。街网空间的形态及方向有助于定义聚落的空间逻辑秩序。该文对河北地区六个典型传统聚落进行建模分析,旨在运用新的量化技术方法对具有抽象性历史信息的传统聚落街网进行可视化表达。将传统聚落街道的方向与长度进行量化分析与可视化处理,同时,利用方向熵,度量聚落街道方向的混乱程度。新的技术方法揭示了聚落街道网络的空间秩序,较直观地反映了不同类型传统聚落街网结构的异同,能反映出自然原生的聚落街网相对稳定的深层空间结构,为认知传统聚落户外空间内涵提供了科学化的技术支撑。

基于方向熵的挠性印制电路基准点定位研究

在采用机器视觉技术的挠性印制电路缺陷检测工作中,对基准点的准确定位是实现高质量检测的先决条件。本文选取焊盘圆心或中心作为基准点,针对焊盘的局部形变对基准点定位产生的不良影响,提出了量化目标轮廓边缘方向性的表达方法——方向熵,基于该方法能够获取轮廓坐标与方向参数;接着,根据焊盘模板建立焊盘匹配评估函数筛选出正确的、有价值的、局部的轮廓,并基于轮廓特征实现对焊盘的匹配与对基准点的定位。通过现场测试表明,本文提出的算法能够有效地纠正基准点的定位偏差,将其应用于坐标系变换的目标搜索时,平均定位误差可控制在60um以内,对于后续的目标匹配,缺陷识别与分析具有重大意义。

基于多尺度方向熵的指纹奇异点检测算法

针对指纹识别过程中奇异点检测的问题,本文提出了一种基于多尺度方向熵分析的指纹奇异点检测算法。阐述了多尺度方向熵(MSOE)分析的基本原理;根据指纹奇异点区域MSOE特征和脊-谷区域MSOE特征之间存在的明显差异,给出了一种奇异点提取算法;同时提出了一种基于方向场流线的位置偏差补偿算法,以解决方向场中心点的位置偏差问题,并基于迭代策略给出了该算法的具体流程。最后,在数据库FVC2002 DB1上,对所述算法进行了实验验证。实验结果表明:基于多尺度方向熵的指纹奇异点检测算法具有比较低的误检率,同时所述位置偏差补偿算法可有效的解决方向场中心点的位置偏差问题,说明了本文所述方法的可行性和有效性。

基于地磁方向熵的高空地磁匹配航迹选取方法

针对高空地磁图等值线趋势变化明显现象,在对高空地磁图地磁梯度网格研究的基础上,提出了利用地磁方向熵来进行高空地磁匹配区域内航迹选择方法。该方法利用方向熵的数值来判断不同航向飞入轨迹的地磁匹配效果,从而得到最佳的匹配轨迹。应用半物理仿真的方法,在30000 m高空地磁图上选取了3条不同方向飞行轨迹,并对其匹配定位结果进行对比分析。仿真结果表明,依据地磁方向熵的值选择飞行轨迹可以有效地提高高空地磁匹配定位的精度,为高空地磁导航的路径规划提供依据。

常规干线公交网络空间方向分布及结构特性分析方法

空间结构合理的常规干线公交网络可以帮助城市提升公共交通服务效率,缓解道路交通压力。为深入分析城市常规干线公交网络空间结构特性,使用公交网络GIS信息嵌入拓扑结构模型的方式开展研究。借鉴道路网空间信息测度方法,基于香农熵理论提出公交线路方向熵和公交网络方向熵分析方法。根据提取的公交网络拓扑结构中相邻站点间线路段的空间方向信息,使用方向熵测度得到公交线路及网络空间方向分布情况。在现有的规范及研究中,选取并拓展能够体现公交线网空间结构特性的指标,与方向熵组成常规干线公交线网空间结构分析指标体系,从线路和网络2个层面出发探究常规干线公交网络空间方向分布并分析其结构特性。以哈尔滨市63条常规干线公交组成的网络为例进行分析。网络空间方向分布结果表明:公交网络方向熵为2.84,大于网络内任意单条线路方向熵。验证得到公交线路方向熵的测度结果与线路的实际情况相符,方向熵可以有效量化公交线网拓扑结构的空间方向分布;在指标间的相关性方面,公交线路方向熵与公交线路长度的相关性最高,公交线路站点对重复系数与公交刷卡数的相关性次之。网络结构特性分析结果表明:哈尔滨市63条常规公交干线组成网络的平均集聚系数为0.467,网络中节点度分布的数据拟合度为0.978,表明该网络是1种具有择优发展倾向的网络,网络结构较稳定。基于香农熵的分析方法,为描述公交网络空间方向分布情况提供了新的思路;对网络结构特性的分析,为常规干线公交线网规划提供理论参考。

结合方向纹理熵的Haar-like特征在线boosting跟踪算法

针对传统基于Haar-like特征的on-line boosting跟踪算法(HBT)需要产生大规模随机特征、占用大量计算资源和存储空间的缺点,提出结合方向纹理熵的Haar-like特征在线boosting跟踪算法(HBTT)。HBTT算法利用灰度共生矩阵的熵获得目标纹理的方向信息,在此基础上有针对性地产生具有方向纹理信息的Haar-like特征,从而可有效避免无效随机特征的产生,减小特征池容量;更进一步,可根据目标纹理的复杂程度自动调整特征数量,使得算法更灵活。在跟踪过程中,在线学习模块可以使错误率较高的特征被结合了目标纹理方向信息的Haar-like特征所替换。与HBT算法比较,HBTT算法的跟踪误差降低了10%以上;在相同特征池容量下,置信度提高了2%以上。实验结果表明,该算法不仅具有较高的鲁棒性,而且在跟踪效率和性能上都有所提高。

应用图像的方向局部直觉模糊熵的图像高频噪声去噪方法

图像中高频噪声的去除是一个重要的研究方向。本文提出了一种基于图像的方向局部直觉模糊熵的图像高频噪声去除方法。本方法中,基于NSCT分解后不同方向的子图像上系数分布的方向性,我们改进了图像的局部直觉模糊熵理论,并提出了方向局部直觉模糊熵,对NSCT分解后的高频层系数进行去噪。实验证明,图像的方向局部直觉模糊熵可以提高图像的高频层系数的去噪效果,并在提高去噪效果的同时保护图像的纹理区域信息。

基于轮廓方向特征的柚子果形检测研究

果形是实现柚子质量检测与分级的重要特征,针对柚子果形自动检测的迫切需求,采用图像处理技术,提出了基于轮廓方向特征的柚子果形检测方法。文章首先引入纹理梯度算子,定义方向熵函数获取柚子轮廓点上的方向角度并对柚子的轮廓进行编码;建立轮廓方向角度直方图以反应轮廓像素点在不同角度级的分布情况,并作为描述柚子果形特征的方法;在检测工作中,通过计算柚子图像之间的轮廓方向角度直方图相关系数实现对柚子果形优劣的判别。经实验证明:本文算法不仅具有较高的准确率,达到95.4%,而且具有检测效率高(每幅柚子图像的平均检测时间为100 ms),操作简便,算法通用性强的优点,满足实际的生产检测要求。

基于Radon方向场检测指纹奇异点

为了快速、准确地检测与定位指纹奇异点(核心点、三角点)以实现指纹分类与匹配,本文引入了Radon算子来提取指纹的纹理方向特征以实现指纹方向场的分割。提出了方向熵的概念来描述方向场的分布特征,给出了基于方向熵的奇异点区域搜索方法。定义了方向密度函数以衡量奇异点搜索的优劣,指导奇异点侦测的方向熵阈值调整。最终实现了对奇异点的准确定位,准确率达到83%。跟同类算法分析比较,提出的方法在准确性与检测效率方面均更具优势。抗噪实验还表明该方法具有良好的抗干扰能力与实用性,能满足实际应用要求。

基于轮廓方向特征的头部特征识别

针对危险生产作业场所的定员管理问题,采用机器视觉技术对进出作业场所的人数进行在线、实时统计。首先引入纹理梯度算子,定义方向熵函数以获取人头轮廓的方向特征并对轮廓点进行编码;接着,基于标准圆的轮廓及其方向二元特征实现对人头轮廓的准确匹配;最后建立弧长置信度函数完成对人员目标的定位。在目标跟踪过程中,建立预测函数辅助人头运动轨迹的获取,最终根据运动轨迹线判断目标是否进入或离开生产作业场所。实验表明,提出的方法准确率在90%以上,具有良好的实用性与学术价值,对于确保安全生产具有重大现实意义。

脊髓型颈椎病DTI熵的应用研究进展

脊髓型颈椎病（Cervical spondylotic myelopa-thy，CSM）是一种严重影响患者生活质量的常见病。目前，磁共振成像（Magnetic resonance imaging， MRI）是诊断CSM的最佳检查手段，T2加权成像（T2 weighted imaging，T2WI）能较好地显示受压颈髓形态及信号改变，但T2WI对颈髓早期损伤和微结构改变敏感性低，缺乏可靠的定量指标，且不能显示神经功能状态及预后趋势[1]。磁共振扩散张量成像（diffusion tensor imaging，DTI）是一种功能性 MRI技术，通过水分子在脊髓中弥散运动，它可以从微观领域评价组织结构的连通性和完整性[2]，它是目前显示纤维束走行的唯一无创性方法，对CSM脊髓损伤早期的判断和预后评估均有较大作用。但是对于评价CSM的DTI的常规参数改变的准确性和可靠程度还存在分歧。有学者提出用香农熵来描绘正常和病变脊髓结构的复杂性，以增加DTI参数准确性[3]。

基于改进光流法的视频监控中人群异常行为检测算法

危害社会公共安全的事件频发,研究视频监控中人群异常行为对于恢复治安秩序和保障公众安全有着重要意义。由于视频监控涉及多种多样的场景,复杂环境影响了人群异常行为的准确检测。因此,为提升视频监控中人群异常行为的检测效果,提出基于改进光流法的视频监控中人群异常行为检测算法。利用改进单高斯模型在视频监控中人群视频帧内提取角点作为特征点;基于改进光流法计算特征点的运动速度与方向,提取有效特征点,得到人群运动目标图像;通过计算人群运动目标图像内光流点的方向熵、幅值熵与平均速度的乘积,确定运动混乱度;对比分析运动混乱度与设置阈值,完成人群异常行为检测。实验结果表明,该算法可有效提取人群视频帧内的角点和运动目标图像,准确检测人群异常行为,具有较好的视频监控中人群异常行为检测效果。

关键帧结合幅值直方图熵的异常行为检测算法

异常行为的检测在智能监控系统中具有十分重要的应用。论文提出了一种将关键帧与加权方向角熵值结合的异常行为智能检测方法。该方法首先利用一种像素级的背景提取算法(Visual Background Extractor,VIBE)从视频序列中检测出运动目标,然后提取运动目标幅值加权的方向角特征,并利用改进的无监督聚类方法提取关键帧,最后结合幅值加权方向角熵的方法对异常行为进行检测分类。实验结果表明,该算法能够在指定的监控区域内有效地检测人体行为,并能准确地识别出人体异常行为,实现对监控视频的智能分析。

基于转向熵的长隧道路段操纵特性分析

为了探究山区高速公路隧道路段驾驶员转向操纵特性的表现情况,招募了5名经验丰富的驾驶员,于包茂高速(包头-茂名)路段南五台隧道(2564 m)进行了转向操纵特性实车驾驶试验,基于转向熵特征指标对驾驶员转向操纵特征值进行了计算。在分析不同路段试验数据过程中,将各路段划分成若干个区间,通过分析各段核密度、概率密度、累积分布函数等发现:隧道行车时驾驶员表现出了多维因素耦合作用下演变规律,并从隧道环境、驾驶员生心理特性角度予以解释;开放路段驾驶员操纵特性较隧道内稳定性差,而且表现出了“两极分化”的趋势。研究认为,隧道运行环境下驾驶员行为特性规律相比开放路段更加可控,对于山区高速公路隧道设计和交通安全更加有利。

一种改进的H.264自适应空域错误掩盖算法

对H.264视频码流的帧内编码帧(I帧)进行空域错误掩盖时,单纯使用加权像素平均插值算法或方向插值算法不能得到满意的效果。因此,使用一种基于方向熵的自适应选择算法,根据丢失宏块周围的边缘信息自适应地选择加权像素平均插值算法或者该文提出的一种方向插值算法进行空域掩盖。该文提出方向插值算法,使用"双圈法"精确估计丢失宏块内的边缘方向,计算周围8个宏块中此方向上的边缘强度,根据边缘强度将丢失宏块划分成不同的区域分别进行方向插值。实验结果表明,该算法不仅提高了方向插值的精确性,也避免了虚假边缘的产生,有效地提高了错误图像的掩盖效果。

基于空间分布特性和局部复杂度的显著目标检测算法

目前的视觉注意显著区域检测算法,主要依赖像素间的相互对比,缺乏从全局角度对显著目标的分析理解。依据显著目标是显眼、紧凑和完整的思路,提出一种基于目标空间分布特性和局部复杂度的无监督视觉注意显著目标自动提取算法。首先根据局部区域与其多个尺度邻域的对比,得到亮度显著图;然后利用颜色信息的显眼性、空间分布和区域一致性得到颜色显著图;同时通过对方向的空间分布和局部复杂度进行多尺度分析得到方向显著图;最后通过显著值的空间分布和面积增强因子相结合的融合策略得到输入图像的显著图,根据显著区域确定感兴趣区域位置,在基础上完成目标检测。将此方法应用于各类具有不同特点的彩色图像进行仿真实验,得到较好的检测结果,表明该算法是切实可行。

基于H.264/AVC的一种改进的空域错误隐藏算法

针对视频码流在信道传输中容易出错而导致视频质量降低的问题,提出一种改进的空域错误隐藏算法。首先采用Sobel算子对丢失宏块周围四个相邻块的像素点进行边缘检测,将检测到的梯度方向量化为8个方向,然后通过边缘的方向熵自适应判断采用双线性插值法或基于边缘检测的方向加权插值错误隐藏算法。实验结果表明,该算法与参考算法相比,在不同丢包率情况下图像质量均有较明显的改善。

智能视频监控中基于轨迹的徘徊检测

检测可疑的徘徊人物是智能视频监控系统的重要部分。针对室外公共区域,提出了一种检测徘徊行为的方法。该方法采用集成学习跟踪算法得到可疑人物的运动轨迹,并对轨迹进行后处理,综合考虑轨迹点的运动方向变化和绝对运动方向,计算相应的熵值,从而判断运动轨迹是否徘徊轨迹。该方法无训练,无样本库,可以做到实时检测,实验证明了其在特定场景下的有效性。