灰度-梯度共生矩阵模型的加权条件熵阈值法

基于二维灰度直方图的最大熵阈值法是依据"灰度-灰度均值"构成直方图的图像分割方法,该方法着重于图像的内部信息,忽略了边界区域的信息。应用图像的梯度信息建立"灰度-梯度共生矩阵",构造图像的二维灰度直方图,结合最大条件熵法进行阈值选取。为了充分提取图像内部和边缘信息,提出了二维加权最大熵阈值法。结果表明,该方法一方面能够保留更多的图像边缘信息,另一方面能够根据实际需要调节权值大小,得到兼顾图像内部和边缘信息的分割结果。

基于灰度-梯度共生矩阵模型的最大熵阈值处理算法

阈值法是图像分割的一种重要方法 ,在图像处理与识别中广为应用 .本文提出了基于灰度 -梯度共生矩阵模型和最大熵原理的灰度图像的自动阈值化技术 ,该方法不仅利用了图像的灰度信息 ,而且也利用了图像的梯度信息 .该方法通过计算基于灰度 -梯度共生矩阵的二维熵并使边缘区域的熵最大来选择阈值向量 .

基于熵权法和灰度关联法考察不同干燥方法对苦参中有效成分含量的影响

目的考察不同的干燥方法对苦参中生物碱类和黄酮类成分的影响,确定最佳的烘干工艺。方法取新鲜苦参,分别采用晾干、50℃烘干、60℃烘干、70℃烘干共4种方法进行干燥处理;采用高效液相色谱法,Agilent NH色谱柱(250 mm×4.6 mm,5μm),以乙腈-无水乙醇-3%磷酸溶液(82∶10∶8)为流动相,检测波长210 nm,测定了不同干燥品中4种生物碱类成分(苦参碱、氧化苦参碱、槐定碱、氧化槐果碱)含量;采用Agilent TC-C_(18)(2)色谱柱(250 mm×4.6 mm,5μm),以乙腈为流动相A,水为流动相B,梯度洗脱(0~5 min,35%A;5~25 min,35%→55%A;25~35 min,55%A;35~50 min,55%→80%A;50~55 min,80%A,检测波长295 nm,测定了不同干燥品中6种黄酮类成分(异黄腐醇、苦参醇I、苦参酮、2’-O-Methylkurarinone、槐黄烷酮、异苦参酮)的含量;采用熵权法赋权,灰色关联度法对结果进行分析。结果建立了4种生物碱成分和6种黄酮类成分含量测定方法,晾干、50℃烘干、60℃烘干、70℃烘干的相对关联度为0.05、0.70、0.88、0.80。结论两大类成分含量测定方法简单可靠,基于熵权法和灰色关联度法所建立的模型可用于苦参烘干方法评价,烘干比晾干更利于有效成分的保存。

一种基于次优加权矩阵的灰度图像信息隐藏算法

为了增加信息隐藏后载体图像的不可感知性,理论上分析了在一个包含n个像素的灰度图像块内,最多改变2个像素,每个像素都只改变最不重要位的情况下,信息隐藏的容量上界,证明了不可能构建完全满足该条件的加权矩阵。提出了一种利用自然数列,构建次优加权矩阵的算法,该算法能将载体图像块内的像素修改值,放大相应倍数,从而用最小的修改,隐藏最多的数据,该算法还能推广至彩色图像。大量仿真实验表明,当分块不大于2 500万像素时,采用该算法构造的次优加权矩阵与最优矩阵进行信息隐藏的容量的差距最多为1个二进制位,该算法较好地平衡了信息隐藏的容量和不可感知性。

结合灰度共生矩阵和熵的图像修复算法

利用灰度共生矩阵提取图像纹理特征值,然后根据熵值的大小来实现模块大小的选择。另外,在寻找最佳匹配块时,同时考虑了颜色信息的差异和空间距离的因素。最后,给出了客观评价图像修复质量的PSNR度量。实验表明,与Criminisi算法相比,该方法得到的修复效果更自然,更符合人的视觉感知。

基于熵权灰度关联法的重庆市生态系统健康评价

依据重庆市生态系统的特殊性,建立以自然、经济、社会为三要素的生态系统健康评价指标体系,运用熵权法确定各个评价指标权重,通过灰色关联法对2000-2007年重庆市生态系统各要素的健康状态以及综合健康状态进行动态评价与比较分析.结果表明:重庆市生态系统健康状态整体呈上升趋势,但健康度值<0.7,健康度相对较低,系统的健康状况与目标期望值仍有很大差距.

基于“灰度-梯度共生矩阵”的最大条件熵阈值法

基于"灰度-梯度共生矩阵"模型,在现有最大条件熵图像阈值法的基础,引入加权系数进行改进。为了解决权值选取问题,以图像分割质量评价的均匀性测度为评价指标,采用自适应粒子群算法对权系数进行优化选择,进而获得最优的分割阈值。实验结果表明,与二维最大熵、最大条件熵算法相比,该方法能够获得更佳的分割结果。

基于加权灰度熵差的分区域曝光算法

针对传统曝光算法在景物对比度差异较大的监控场景下难以得到均衡曝光的问题,提出基于加权灰度熵差的分区域曝光算法。使用融合了灰度均值与灰度值概率分布信息的加权灰度熵差作为曝光控制参数,增强了曝光控制参数的场景描述能力。为解决单一曝光参数无法得到均衡曝光的问题,通过曝光时间估算、分区曝光和图像拼接完成分区域曝光成像。实验表明,该算法在复杂场景下也能够得到较好的曝光效果,提高了监控摄像头等成像设备的环境适应能力。

灰度共生矩阵特征加权融合的维文签名鉴别

提出灰度共生矩阵特征加权融合和BP神经网络的维吾尔文手写签名鉴别方法。提取灰度共生矩的能量、熵、惯性矩和局部平稳性等4种特征并对其进行加权融合的方法进行签名鉴别。实验结果表明,15名签名者的(共600个签名样本)平均签名鉴别率为91.78%。与同样规模的GPDS英文签名进行对比实验可知,本文提出的方法对维吾尔文手写签名具有较高的稳定性和鉴别能力。

高校科研创新与区域经济发展的关联性研究——基于全局熵值的灰度关联分析法

采用基于全局熵值的灰度关联分析法和Granger因果检验,分析2013-2017年中国31个省、市和自治区的高校科研创新与区域经济发展之间的关系。结果表明,①高校科研创新与区域经济发展之间互为Granger因果;②高校科研创新与区域经济发展有着很大的关联性;③高校科研创新与区域经济发展的关联度大小大体上和区域经济水平呈负相关关系。

基于灰度-梯度共生矩阵的钢轨表面缺陷检测方法

根据钢轨表面缺陷的灰度和梯度特征,提出了钢轨缺陷自动检测方法:基于灰度-梯度共生矩阵为模型提取钢轨缺陷的内边缘,其中以最大熵方法自动求取灰度-梯度二维阈值向量,利用形态学方法对分割后的二值图像进行后期处理,有效区分正常轨面、缺陷区域、阴影和干扰区域.实验表明:本方法能较好地对钢轨表面缺陷进行检测.

基于灰度共生矩阵的图像自适应分块压缩感知方法

分块压缩感知的提出很好地弥补了大尺寸图像占用资源多、重构耗时长等不足,但重构后的图像存在明显的块效应。针对现有图像纹理复杂度分析不够准确,导致自适应采样率分配后块效应降低不理想的问题,提出了一种基于灰度共生矩阵的图像自适应分块压缩感知方法。该方法通过共生矩阵分析图像的纹理特性,自适应分配采样率,在总采样率不变的前提下使纹理复杂度高的子块获得较高的采样率,纹理复杂度低的子块获得较低的采样率,并用SAMP(Sparsity Adaptive Matching Pursuit)算法实现重构。仿真结果显示,所提方法能够有效地解决块效应问题,尤其对于局部图像而言,重构图像的画质得到了明显改善。

基于灰度共生矩阵的图像分割方法研究

图像分割技术广泛应用于工业生产、生物医学图像分析、军事应用等方面。文中着重阐述了灰度共生矩阵的原理及特点,进行了基于灰度共生矩阵的纹理特征提取试验。采用加权欧式距离方法,对图像的特征值进行分类识别,实现对纹理图像区域的划分,然后利用聚类分析等方法对纹理区域进行融合,以达到实现图像分割的目的。试验表明,利用基于灰度共生矩阵的方法,实现对图像的分割具有一定的准确性和实用性,并能较好的实现图像分割效果。

基于灰度共生矩阵理论的PVA纤维分散评价法

为了有效地评价PVA纤维束的均匀性,基于灰度共生矩阵理论,并以PVA纤维束搅拌分散后图像的角二阶矩和熵值为主要特征参数,建立PVA纤维束分散评价方法,给出了PVA纤维束的均匀性评价指标(f1和f2),分析了在不同种类分散剂、不同搅拌速度、不同搅拌桨的搅拌参数下PVA纤维束分散效果,绘制了PVA纤维束分散后的角二阶矩和熵值曲线图.结果表明:均匀性评价方法可以评价PVA纤维束分散的均匀性;利用均匀性评价指标分析获得最佳搅拌分散参数,可实现对PVA纤维分散性的快速准确评价.

增强的基于灰度共生矩阵的脑肿瘤MRI图像分类

针对T1加权对比度增强MRI(CE-MRI)脑肿瘤图像的自动分类问题,提出了一种增强的基于灰度共生矩阵(GLCM)的特征表达方法。GLCM是一种常用进行纹理分析的方法,但由于脑部肿瘤图像纹理复杂多变,传统的基于GLCM的二阶统计量特征,如对比度、相关性、能量等,不能很好地区分不同类别的肿瘤,例如使用各向同性的GLCM和4个方向的GLCM(0°、45°、90°、135°)得到的分类正确率只有61.26%和75.16%。本文提出了两个改进措施,极大地提高了分类正确率:(1)直接使用GLCM的元素作为特征表达;(2)对肿瘤区域和肿瘤边界区域分别构造GLCM。在包含3064张图像的数据集上验证了方法的有效性:使用措施(1),分类正确率提高到了82.38%;结合措施(1)和(2),分类正确率提高到了90.7%。结果表明使用改进的基于GLCM的特征表达对于脑部肿瘤图像的分类问题是有效的。

基于灰度-梯度共生矩阵的木材表面缺陷分割方法

根据木材表面缺陷图像的特点,提出了基于灰度-梯度共生矩阵模型和最大熵原理的木材缺陷图像自动阀值化技术。并且利用形态学运算对分割后的二值图像进行后期处理。经实验验证,该方法提取的木材表面缺陷图像效果良好。

基于灰度共生矩阵相似图的图像质量评价方法

针对图像质量评价(IQA)问题,提出一种基于灰度共生矩阵相似图(GLCMS)的方法。首先,分别得到参考图像和失真图像的灰度共生矩阵(GLCM);然后,求得此两幅灰度共生矩阵的相似图,并提取相似图的标准差和熵作为失真图像的特征向量;最后,将特征向量输入到支持向量回归(SVR)算法预测图像质量。TID数据库是专为评价图像质量而建立的,TID数据库上的实验结果表明,所提方法无论在训练集还是测试集上,与主观评价方法的斯皮尔曼相关系数和皮尔逊相关系数均达到0.93以上,表明此方法较好地符合人类视觉特性。该方法为图像质量评价方法提供了新的思路,可用于图像质量评价,使其与人类视觉具有更好的一致性。

基于灰度-梯度二维最大熵阈值法的赤足迹轮廓提取

本文采用基于灰度-梯度二维阈值的方法来提取足迹轮廓。首先,建立灰度-梯度共生矩阵模型,利用最大熵原理求出灰度、梯度的二维阈值;然后以该二维阈值向量对足迹图像进行二值化,精确分割出图像的模糊边缘像素点,并提取出边缘。该方法提取的足迹边缘定位准确、精度高。

基于灰度共生矩阵的乳腺病理图像纹理特征分析

目的:通过深入分析乳腺病理图像,为精确区分良恶性乳腺肿瘤,提出便于计算又能给出较高的分类精度的纹理特征参数。方法:基于灰度共生矩阵算法,提取乳腺癌病理图像的纹理特征进行分析。结果:确定4个具有很好特征效果且便于计算的纹理特征参数,熵和对比度的均值特征对区分良恶性肿瘤有很好的表现。结论:在乳腺病理图像中提取熵和对比度的均值为主要特征,可有效区分乳腺肿瘤良性与恶性。

基于矩阵乘法关联的分级图像秘密共享方案

针对目前图像秘密共享中缺乏集合内或集合间多级权限控制的细粒度问题,提出一种基于矩阵乘法构造分级恢复的图像秘密共享方案。利用图像所具有的矩阵属性,在对原始像素干扰最小的情况下,通过矩阵可逆乘法构建秘密图像之间的关联矩阵,引入效率较高的矩阵运算进行共享份额生成与秘密恢复。当参与者集合中必要参与者满足对应门限时,可恢复第一级秘密图像;当全体参与者满足整体门限时,可恢复第二级秘密图像。仿真结果表明,该加密算法具有良好的安全性与鲁棒性。