导读:本文包含了最大熵分割论文开题报告文献综述及选题提纲参考文献，主要关键词:红外制导,二维斜分,最大熵,快速算法
最大熵分割论文文献综述
乔立永,徐立新,高敏[1]（2013）在《红外成像制导二维斜分最大熵分割的快速实现》一文中研究指出针对红外成像制导复杂背景下低对比度红外图像的分割问题,提出了一种新的基于Kapur最大熵阈值判别式的二维斜分快速递推算法,并采用逐步逼近的粗细搜索策略,减少阈值搜索区域,在可能的阈值范围内逐点寻找最佳阈值。通过对算法的复杂度进行分析,并对实际获取的红外图像进行分割实验表明,Kapur最大熵阈值判别式更加适合于低对比度红外图像分割,提出的二维斜分快速算法所需的运行时间和存储单元均少于现有的二维直分或斜分最大熵分割快速递推算法,运行时间约为原始算法的14%,分割结果的噪点更少,边界更加细致完整,适用性更强,满足红外成像制导系统工程实用化要求。(本文来源于《红外与激光工程》期刊2013年07期）
郑丽萍,李光耀,姜华[2]（2010）在《灰度图像最大熵分割方法的改进》一文中研究指出传统的最大熵分割方法只考虑了图像的灰度概率,忽略了对应的灰度值。为了充分利用灰度图像的灰度信息和空间信息,改进了传统的二维灰度直方图,生成二维差值属性灰度直方图。另外,改进了灰度均值和二维熵的计算方法。在计算熵时,以二维差值属性灰度直方图为基础,用空间信息值来代替灰度概率,生成二维差值属性信息值熵。在实验中,对多张不同的灰度图像分别用改进的最大熵方法与传统的最大熵分割方法进行分割,并对分割结果进行比较分析。实验结果表明,改进的最大熵分割方法能有效地分割灰度图像及噪声图像,有很强的抗噪声能力,并能产生清晰的分割结果。(本文来源于《计算机工程与科学》期刊2010年12期）
龙建武,申铉京,魏巍,何月,陈海鹏[3]（2010）在《基于均值—中值—梯度共生矩阵模型的最大熵分割算法》一文中研究指出针对基于灰度—梯度共生矩阵模型的最大熵阈值分割算法抗噪声差的缺点,引入了均值—中值—梯度共生矩阵模型,并提出了基于该模型的最大熵阈值分割算法。为了有效地节省计算时间与存储空间,进而导出了该方法的快速递推公式。实验结果表明,该算法优于灰度—梯度模型分割方法,并能抑制高斯噪声、椒盐噪声以及其混合噪声对分割结果的影响,提高了分割的鲁棒性。(本文来源于《计算机应用研究》期刊2010年09期）
王小鹏,闫国梁,闫文秀[4]（2010）在《基于最大熵分割和肤色模型的人眼定位》一文中研究指出人眼定位是进行虹膜识别、视线跟踪、眼睛状态分析等的首要任务,为此提出一种基于最大熵分割和肤色模型的人眼定位方法。利用最大熵分割法对图像进行分割,获得人眼候选区域。建立YCbCr肤色模型,将其作为人眼定位的约束条件以排除非人眼区域,通过形态学运算准确定位人眼。仿真实验表明,该方法对人眼定位准确,并对背景、头部偏转角度等细节具有较好的适应性,运算速度较快。(本文来源于《计算机工程》期刊2010年14期）
彭静,章宝歌,刘小明[5]（2008）在《一种基于边界特征的二维最大熵分割算法》一文中研究指出由于显微成像的精细胞图像对比度较低,背景不均匀,一般阈值分割方法难以得到较好的分割图像。在充分利用图像的空间信息的基础上,结合细胞边缘,提出一种基于边界特征的二维最大熵分割方法,对于目标边缘和目标分别使用不同的阈值分割,给出了算法的步骤和实验结果,实验表明,该算法对于显微精细胞图像分割鲁棒性好,分割准确率高。(本文来源于《计算机与数字工程》期刊2008年07期）
曹占辉,李言俊,张科[6]（2007）在《基于蚁群算法的二维最大熵分割算法(英文)》一文中研究指出由于二维最大熵分割法不仅考虑了像素的灰度信息,而且还充分利用了像素的空间邻域信息,因此能够取得较好的分割效果.但是,该方法的计算量巨大,不利于红外图像的快速处理.蚁群算法于20世纪90年代初提出,是受到蚁群集体行为的启发而提出的一种基于种群的模拟进化算法,属于随机搜索算法.该算法已经成功应用于旅行商等离散问题.将蚁群算法应用于二维最大熵法,提出了基于蚁群算法的二维最大熵分割算法.与传统的穷尽搜索法相比,求解速度提高了60倍左右.仿真实验表明,该方法快速、简单、有效.(本文来源于《光子学报》期刊2007年12期）
郭海涛,杨志民,田坦,戴愚志[7]（2007）在《海底小目标声呐图像一维最大熵分割的改进方法》一文中研究指出1引言作为海洋高新技术,水声技术日益成为海洋水下探测的主要手段,而且有时是惟一的手段(比如对浑水或对远距离的情况).海底物体搜索、海底救捞、海底探宝、海底“黑烟囱”探测、海底施工以及海洋军事活动(如探测水雷)等多方面都涉及海底小目标(这里的“目标”泛指物(本文来源于《海洋学报(中文版)》期刊2007年04期）
刘晶,秦远辉,赵矿所[8]（2007）在《基于粒子群优化算法的水下图像最大熵分割方法》一文中研究指出最大熵法普遍用于水下图像分割,但是其需要对每个像素进行累加统计,计算复杂度之大也就成为了此种方法的一个瓶颈。本文引入了近年来兴起的粒子群优化算法(PSO,Particle Swarm Optimization)来对算法进行优化,通过 PSO 算法对在水下图象分割中效果较好的最大熵算法进行优化解的搜索,从而达到利用最少计算次数得到最优解的效果。经过实验和程序设计,此方法用于水下图象分割效果甚佳,不但分割效果优秀,而且比一般算法的效率提高了将近十倍。(本文来源于《2007年CAD/CAM学术交流会议论文集》期刊2007-05-01）
蒋剑,吴建华[9]（2003）在《在小波域进行图像的最大熵分割的一种方法》一文中研究指出最大熵分割是一种数字图像阈值分割方法,它以有关的信息理论为基础.本文提出一种新的应用于小波域的最大熵分割方法.这种方法借助"零树编码"的思想,首先在小波变换的低频域进行最大熵分割操作,然后依据这个最大熵分割的结果,我们就能获得原始图像的最终分割结果.实验结果证明该方法与传统的图像最大熵分割方法相比,有远算速度快、抗噪能力强的优点.(本文来源于《南昌大学学报(工科版)》期刊2003年02期）
最大熵分割论文开题报告
（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：
传统的最大熵分割方法只考虑了图像的灰度概率,忽略了对应的灰度值。为了充分利用灰度图像的灰度信息和空间信息,改进了传统的二维灰度直方图,生成二维差值属性灰度直方图。另外,改进了灰度均值和二维熵的计算方法。在计算熵时,以二维差值属性灰度直方图为基础,用空间信息值来代替灰度概率,生成二维差值属性信息值熵。在实验中,对多张不同的灰度图像分别用改进的最大熵方法与传统的最大熵分割方法进行分割,并对分割结果进行比较分析。实验结果表明,改进的最大熵分割方法能有效地分割灰度图像及噪声图像,有很强的抗噪声能力,并能产生清晰的分割结果。
（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。
最大熵分割论文参考文献
[1].乔立永,徐立新,高敏.红外成像制导二维斜分最大熵分割的快速实现[J].红外与激光工程.2013
[2].郑丽萍,李光耀,姜华.灰度图像最大熵分割方法的改进[J].计算机工程与科学.2010
[3].龙建武,申铉京,魏巍,何月,陈海鹏.基于均值—中值—梯度共生矩阵模型的最大熵分割算法[J].计算机应用研究.2010
[4].王小鹏,闫国梁,闫文秀.基于最大熵分割和肤色模型的人眼定位[J].计算机工程.2010
[5].彭静,章宝歌,刘小明.一种基于边界特征的二维最大熵分割算法[J].计算机与数字工程.2008
[6].曹占辉,李言俊,张科.基于蚁群算法的二维最大熵分割算法(英文)[J].光子学报.2007
[7].郭海涛,杨志民,田坦,戴愚志.海底小目标声呐图像一维最大熵分割的改进方法[J].海洋学报(中文版).2007
[8].刘晶,秦远辉,赵矿所.基于粒子群优化算法的水下图像最大熵分割方法[C].2007年CAD/CAM学术交流会议论文集.2007
[9].蒋剑,吴建华.在小波域进行图像的最大熵分割的一种方法[J].南昌大学学报(工科版).2003