导读:本文包含了灰度熵论文开题报告文献综述及选题提纲参考文献，主要关键词:灰度熵,天际线,熵减系数,稀疏解
灰度熵论文文献综述
吴文俊[1]（2019）在《基于灰度熵的天际线检测算法》一文中研究指出天际线检测在很多方面具有重要作用,但目前检测算法只能满足于简单背景下的天际线检测。在一般的室外烟雾检测系统中,受摄像头的抖动、大气流动等因素的影响,会使检测算法在天际线附近的云雾被误报为烟雾,导致烟雾报警的准确率下降。天际线的检测并进行预处理是降低误报率的重要手段。信息论当中,信号分为确定与随机两类,图像信号因为背景的复杂度与噪音的干扰不确定性被归为随机信号,而熵是唯一的一种能确定随机信号变化量的一种方法。鉴于此,本文提出一种基于图像当中的灰度熵的天际线检测算法。本方法首先是对所获取的图像进行去雾的预处理,使用何凯明博士的暗通道去雾方法,而后,对预处理过后的图像分析其图像灰度熵的先验,并运用高斯滤波进行去噪处理后,计算图像列方向上各像素点的灰度熵。计算方法为:以此点为分割点,将该列分割为上、下两个部分,使用整列的灰度熵减去上、下两部分灰度熵的和,结果取负,构建为该点的熵减系数。熵减系数的结果为正的点就属于满足天际线先验的点。对满足天际线先验的点进行筛选平滑就可以得到天际线。使用灰度熵构建每个点对于所在列的熵减系数,考虑了图像的整体分布,减少了局部噪声的影响,再进行筛选平滑前就可以得到天际线的稀疏解。当然,此方法在图像列中我们得到分割点获得不止一个分割点,而是一系列点。通过多次试验调整和选点策略的优化获得最佳坐标,然后使用选择的点对图像进行分割拟合。综上所述,本文将详细讨论基于灰度熵的天际线检测算法,并与常用天际线检测算法进行比较;而后,进一步讨论灰度熵变体的选点策略以及其拟合函数优化问题,以达到更高的普适性。实验结果表明:在复杂的背景下进行非直线天际线的检测,通过此方法得出的效果,通常是优于其他常用方法的检测效果。(本文来源于《武汉纺织大学》期刊2019-06-01）
杜秀丽,左思铭,邱少明[2]（2019）在《基于图像灰度熵的自适应字典学习算法》一文中研究指出针对传统图像稀疏表示字典学习算法仅对图像训练学习单一字典,不能很好地对包含不同图像信息的图像块进行最优稀疏表示的问题,将图像灰度熵的思想引入到字典学习算法中,提出基于图像灰度熵的自适应字典学习算法。该算法将图像库作为训练样本,对图像库图像进行分块,计算各子块的灰度熵大小,依据灰度熵大小对子块进行分类,针对不同类别子块,设定不同K-奇异值分解算法参数,分别进行字典训练,从而得到多个不同的字典。根据灰度熵大小选择训练好的字典对待表示图像子块进行稀疏表示。仿真实验及结果表明,所提算法能够对图像进行较好的稀疏表示,图像的重构效果也得到了明显提升。(本文来源于《计算机科学》期刊2019年05期）
李彬,卢士庆,孙小龙,高健,孟翔晨[3]（2018）在《可见光波段灰度熵和热红外亮温差的沙尘遥感判识》一文中研究指出沙尘作为对流层气溶胶的主要成分,对气候系统有许多影响;同时,作为环境污染物,对人类健康危害也很大。沙尘天气一般在春季爆发,对中国北方大部分区域的生产和生活有较大影响。以往针对沙尘遥感监测人们开展了许多研究,取得了一定的效果。但对于一些云和沙尘混合的复杂状况,传统方法识别效果较差,几乎不能有效识别出沙尘。采用葵花8号(Himawari-8)卫星数据,提出一种针对性的识别方法。引入了0.46μm和0.51μm反射率差值RDI,统计发现该指数在一定范围内可以表现出沙尘连续性特征,并有效地将中高云和大部分地表与沙尘区分开来。碎积云的RDI值分布与沙尘的较为相似,为此进一步引入了灰度熵方法来滤除。例举了3次沙尘过程的判识结果,并结合地面观测数据进行了验证。其中对2017年5月4日沙尘的地面验证表明,位于云沙混合区的27个站中有22个站的地面观测与判识相一致。对于一些复杂条件下的沙尘,该方法是对分裂窗亮温差的有效补充。(本文来源于《遥感学报》期刊2018年04期）
马英辉,吴一全[4]（2018）在《利用混沌布谷鸟优化的二维Renyi灰度熵图像阈值选取》一文中研究指出为了进一步降低现有的Renyi熵阈值法的计算复杂度,提出了基于混沌布谷鸟算法和二维Renyi灰度熵的阈值选取。首先,引入一维Renyi灰度熵阈值选取公式,建立基于像素灰度和邻域梯度的二维直方图,推导出基于该直方图的二维Renyi灰度熵阈值选取公式,通过快速递推公式来减少阈值准则函数的计算量;最后,采用混沌布谷鸟算法搜索最优阈值来完成图像分割。结果表明,与二维Arimoto熵法、基于粒子群的二维Renyi熵法、基于混沌粒子群的二维Tsallis灰度熵法、基于布谷鸟算法的二维Renyi灰度熵法相比,所提出的方法能够准确实现图像分割,且运算速度有所提升。(本文来源于《智能系统学报》期刊2018年01期）
李建兵,李立[5]（2016）在《基于PCNN和最大灰度熵图像分量的彩色图像分割》一文中研究指出为提高彩色图像的分割效果,提出了一种最大灰度熵图像分量和脉冲耦合神经网络(PCNN)相结合的彩色图像分割方法。将彩色图像转换到符合人眼视觉特征的色调饱和度亮度(HSV)颜色空间中,选取灰度熵值最大的分量图像,用PCNN增强以增大感兴趣区域对比度,对增强后的分量图像运用PCNN进行循环分割,当二维Renyi熵值不再大于前一次的值时,终止PCNN的循环分割,获得最佳分割结果。运用多种评价指标对所分割的结果进行评价,评价结果表明:提出的算法能够有效实现对彩色图像的分割,尤其在图像细节方面,比传统的彩色图像分割方法表述得更为清晰。(本文来源于《传感器与微系统》期刊2016年08期）
吴一全,朱丽,吴诗婳[6]（2016）在《基于二维Arimoto灰度熵的图像阈值分割快速迭代算法》一文中研究指出现有的Arimoto熵阈值法仅依赖于灰度直方图分布,且计算最佳阈值时需搜索整个解空间,效率不高.为此,文中提出了一种二维Arimoto灰度熵阈值分割的快速迭代算法.首先,提出了一维Arimoto灰度熵阈值选取的快速迭代算法;然后,考虑图像目标和背景的类内灰度均匀性,导出了基于灰度-平均灰度级直方图的Arimoto灰度熵阈值法,并给出了中间变量的快速递推公式;最后,提出了二维Arimoto灰度熵阈值选取的快速迭代算法,推导了相应的公式,大大减少了运算量.实验结果表明,文中所提算法运行速度快,分割性能优于现有的5种同类阈值分割算法,分割后图像中的目标完整,边缘纹理清晰,细节更为丰富.(本文来源于《华南理工大学学报(自然科学版)》期刊2016年05期）
吴一全,龙云淋[7]（2016）在《基于直线截距直方图的Arimoto熵或Arimoto灰度熵的食品图像分割》一文中研究指出食品生产中涉及到的食品种类繁多且必须满足国家相关食品安全标准,为此要求食品图像分割方法必须速度快、准确性高、普适性强。利用基于二维Arimoto熵或二维Arimoto灰度熵的阈值选取方法对食品图像进行分割,算法复杂度高,难以满足实时性要求。针对这一问题,提出基于直线截距直方图的Arimoto熵或Arimoto灰度熵的食品图像分割方法。首先给出直线截距直方图的定义,然后根据此定义建立图像的直线截距直方图,最后计算基于此直线截距直方图的不同灰度级的Arimoto熵或Arimoto灰度熵,当该熵达到最大时,对应的灰度级即为图像的最佳分割阈值。针对此方法,对多种食品图像进行了大量的试验,通过与现有的基于一维和二维Arimoto熵、Arimoto灰度熵的分割方法对比,发现本文方法在综合提升算法速度和改善分割效果上,性能更优。(本文来源于《现代食品科技》期刊2016年01期）
吴诗婳,吴一全,周建江,孟天亮[8]（2015）在《利用倒数灰度熵和改进Chan-Vese模型进行SAR河流图像分割》一文中研究指出为了进一步提高合成孔径雷达(SAR)图像中河流分割的精度和速度,提出了一种基于人工蜂群优化的倒数灰度熵多阈值选取与改进Chan-Vese(CV)模型相结合的分割方法。考虑SAR图像中河流目标和背景类内灰度的均匀性,提出了基于蜂群优化的倒数灰度熵多阈值选取方法,以此对河流图像进行粗分割;针对基本CV模型收敛速度低、对初始条件敏感的问题,利用图像边缘强度取代Dirac函数,将粗分割结果作为改进CV模型的初始条件,对河流图像进行细分割。大量试验结果表明,所提出的分割方法无须设置初始条件,运行速度快,分割精度高。(本文来源于《测绘学报》期刊2015年11期）
吴一全,殷骏,朱丽,袁永明[9]（2015）在《基于蜂群优化或分解的二维Arimoto灰度熵阈值分割》一文中研究指出现有的Arimoto熵阈值法未考虑图像目标和背景的类内灰度均匀性,为此提出基于蜂群优化和基于分解的二维Arimoto灰度熵阈值分割方法.定义Arimoto灰度熵,导出二维Arimoto灰度熵阈值法,分别利用基于蜂群优化和基于分解的方法求解最佳阈值.基于蜂群优化方法给出中间变量的快速递推公式,利用改进的人工蜂群(MABC)优化算法搜索最佳阈值,减少迭代时适应度函数中的冗余运算.基于分解方法将求解二维Arimoto灰度熵阈值法的运算转化到2个一维空间,进一步降低计算复杂度.实验结果表明:与近年来提出的3种同类方法相比,所提出方法的分割性能更优,分割后图像中目标完整、边缘纹理清晰,具有良好的抗噪性.同时,所提出的方法运行速度快,有望满足实际系统对分割的实时处理要求.(本文来源于《浙江大学学报(工学版)》期刊2015年09期）
吴诗婳,吴一全,周建江,孟天亮,戴一冕[10]（2015）在《基于2维灰度熵阈值选取快速迭代的图像分割》一文中研究指出目的为了使图像阈值分割的精度和速度进一步提高,提出了一种基于2维灰度熵阈值选取快速迭代的图像分割方法。方法首先,提出了1维灰度熵阈值选取的快速迭代算法;然后,考虑图像目标和背景的类内灰度均匀性,给出了基于灰度—邻域平均灰度级直方图的灰度熵阈值选取准则;最后,提出了2维灰度熵阈值选取的快速迭代算法,并采用递推方式计算准则函数中的中间变量,避免其重复运算,加快了运算速度,大大减少了运算量。结果大量实验结果表明,与近年来提出的3种阈值分割法相比,所提出的方法分割性能更优,分割后的图像中目标区域完整,边缘清晰,细节丰富且运行时间短,仅为基于混沌小生境粒子群优化的二维斜分倒数熵分割法运行时间的3%左右。结论本文方法对不同类型灰度级图像的分割效果及运行速度均有明显优势,是实际系统中可选择的一种快速有效的图像分割方法。(本文来源于《中国图象图形学报》期刊2015年08期）
灰度熵论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对传统图像稀疏表示字典学习算法仅对图像训练学习单一字典,不能很好地对包含不同图像信息的图像块进行最优稀疏表示的问题,将图像灰度熵的思想引入到字典学习算法中,提出基于图像灰度熵的自适应字典学习算法。该算法将图像库作为训练样本,对图像库图像进行分块,计算各子块的灰度熵大小,依据灰度熵大小对子块进行分类,针对不同类别子块,设定不同K-奇异值分解算法参数,分别进行字典训练,从而得到多个不同的字典。根据灰度熵大小选择训练好的字典对待表示图像子块进行稀疏表示。仿真实验及结果表明,所提算法能够对图像进行较好的稀疏表示,图像的重构效果也得到了明显提升。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
灰度熵论文参考文献
[1].吴文俊.基于灰度熵的天际线检测算法[D].武汉纺织大学.2019
[2].杜秀丽,左思铭,邱少明.基于图像灰度熵的自适应字典学习算法[J].计算机科学.2019
[3].李彬,卢士庆,孙小龙,高健,孟翔晨.可见光波段灰度熵和热红外亮温差的沙尘遥感判识[J].遥感学报.2018
[4].马英辉,吴一全.利用混沌布谷鸟优化的二维Renyi灰度熵图像阈值选取[J].智能系统学报.2018
[5].李建兵,李立.基于PCNN和最大灰度熵图像分量的彩色图像分割[J].传感器与微系统.2016
[6].吴一全,朱丽,吴诗婳.基于二维Arimoto灰度熵的图像阈值分割快速迭代算法[J].华南理工大学学报(自然科学版).2016
[7].吴一全,龙云淋.基于直线截距直方图的Arimoto熵或Arimoto灰度熵的食品图像分割[J].现代食品科技.2016
[8].吴诗婳,吴一全,周建江,孟天亮.利用倒数灰度熵和改进Chan-Vese模型进行SAR河流图像分割[J].测绘学报.2015
[9].吴一全,殷骏,朱丽,袁永明.基于蜂群优化或分解的二维Arimoto灰度熵阈值分割[J].浙江大学学报(工学版).2015
[10].吴诗婳,吴一全,周建江,孟天亮,戴一冕.基于2维灰度熵阈值选取快速迭代的图像分割[J].中国图象图形学报.2015