导读:本文包含了图像信息熵论文开题报告文献综述、选题提纲参考文献，主要关键词:图像,信息,方差,灰度,明度,锐化,保真度。
图像信息熵论文文献综述写法
康凯[1]（2019）在《基于梯度和信息熵特性的自适应分数阶微积分图像去噪研究》一文中研究指出椒盐噪声常存在于数字图像中,以随机的黑白像素点的形式呈现,降低了图像的处理效率。为去除椒盐噪声,基于梯度和信息熵特性,对自适应分数阶微积分椒盐噪声图像去噪算法进行了研究。该算法中,利用图像的局部特征,对图像的噪声点、边界、纹理区域和平缓的区域进行分割。在分割的基础上,对于不同的像素点,给出关于信息熵和梯度的分数阶的阶次分段函数。实验结果表明,相较于传统去噪算法,提出的自适应分数阶微积分椒盐噪声图像去噪算法能大幅提升PSNR和ENTROPY值,从而在较好地完成去噪的同时,还能抑制图像边界和纹理区域的信息缺失。(本文来源于《光学与光电技术》期刊2019年06期）
李杏梅,王伟奇[2]（2019）在《基于信息熵的NMF遥感图像解混算法》一文中研究指出针对传统稀疏非负矩阵分解(NMF)解混方法仅考虑丰度矩阵中非零个数最少,没有考虑混合像元内端元的丰度分布具有不均匀性的这一问题,提出一种基于信息熵的NMF遥感图像解混算法.将端元的丰度值的大小看成是信息熵中的符号出现的概率,当端元等概率出现在混合像元中时各个丰度值大小相等,对应的实际地物等比例出现在混合像元中,此时信息熵最大,但是丰度稀疏性最低;当丰度分布最不均匀时,仅有一种地物类型出现,信息熵最小,此时丰度值的稀疏性最高,只有一个非零值,由此得出丰度稀疏性和信息熵有负相关的关系.在NMF解混算法的基础上,引入负信息熵来约束丰度矩阵,同时加入平滑限制来约束端元光谱矩阵.在模拟数据和真实数据上进行了结果测试.实验结果表明:相比传统的NMF解混算法和基于l2范数的NMF遥感图像解混算法,本方法能得到更好的解混效果.(本文来源于《华中科技大学学报(自然科学版)》期刊2019年11期）
郑肇葆,郑宏[3]（2019）在《基于图像信息熵的高光谱图像分类》一文中研究指出首先将一幅100像元×100像元的高光谱图像划分为以5像元×5像元构成的区域,作为大像元的图像,大像元中25个像元特征值的均值作为一个大像元的特征值。每组图像有175幅图像,实验中将他们分成四段,发现第叁、四段的信息熵较小(其数值仅为二或叁位数的数量级),仅用第一、二段的数据进行分类。选用图像信息熵≥1 500的图幅,进行该类图像信息熵均值的计算。农田、山体、居民地、水体4类不同地物的信息熵的均值和4种地物中某个地物的属性,利用其信息熵值与4种不同地物信息熵的均值比较,差值最小者的属性,即为待定地物的属性。(本文来源于《测绘地理信息》期刊2019年05期）
王征,汪梅[4]（2019）在《信息熵多属性约简的煤粉尘图像特性机理》一文中研究指出为研究无明确特征模式的煤尘颗粒图像特性,以某煤矿煤样为研究对象,按国标标准运用粉尘采样器对粉尘溢散源处颗粒物进行多点采样。采用多决策属性约简模糊粗糙集3个阶段即提出隶属度模型、实现属性约简、确定最大信息熵阈值分割对颗粒形态特征机理进行分析。首先建立粉尘图像各像素点对应的模糊类别隶属度模型,利用多分段函数确定隶属度;分析煤粉尘图像灰度特征并将其作为条件属性,确定条件属性的模糊依赖度,获取最优值并提取模糊属性约简,进行目标及背景区域的模糊下近似和模糊上近似划分;最后建立煤粉尘颗粒的信息熵模型,存储信息熵并实现对分割阈值的提取。结果表明:依据模糊属性约简的互异重要度可实现多属性约简;并确定煤粉尘图像模块区域的最大信息熵分割阈值。所建立模型可删除冗余属性,选择出对分类更为重要的属性,并通过属性约简完成特征选择分类。(本文来源于《西安科技大学学报》期刊2019年04期）
王晗,朴斗福,魏明,施佺[5]（2019）在《信息熵-保真度联合度量函数的单幅图像去雾方法》一文中研究指出为了增强雾霾图像对比度的同时有效地弥补颜色缺失,提出一种信息熵与保真度相结合的单幅图像去雾方法.首先利用四叉树分割的雾霾变换图像估计大气光线;然后构造信息熵与保真度的联合度量目标函数,估计局部图像块的大气透射率;再采用加权的最小二乘方法对大气透射率的初次估计值进行精细化处理;最后根据大气散射模型求解出去雾后的图像.采用多种室外场景下不同分辨率的真实雾霾图像作为测试数据,通过多组性能指标的比较分析;实验结果证明,该方法在增强图像对比度的同时有效地保留了图像色彩信息.(本文来源于《计算机辅助设计与图形学学报》期刊2019年07期）
张大明,张学勇,李璐,刘华勇[6]（2019）在《利用广义信息熵谱选择的图像分割》一文中研究指出谱聚类算法中图上拉普拉斯矩阵的特征向量(谱)决定聚类结果,如何选择谱至关重要.为了解决这一问题,基于广义信息熵,定义谱的区分性、谱的区分有效性和谱的区分度这3个指标.谱的区分性指标用于衡量谱所含聚类信息的显着程度;谱的区分有效性指标用于剔除聚类结果无效的谱;谱的区分度指标用于构建基于贡献力的选择性聚类集成方案.进而提出基于谱选择的谱聚类算法.各种自然图像分割实验表明文中算法简单有效.(本文来源于《模式识别与人工智能》期刊2019年03期）
张玉娟,李城林,钟浩,石佳佳[7]（2019）在《基于信息熵和细节方差均值与背景方差均值比的无参考图像锐化结果评价》一文中研究指出提出细节方差均值与背景方差均值比的无参考图像锐化结果评价方法,结合图像信息熵,通过MATLAB软件对常用的8种空间域锐化算法和2种频率域锐算法进行锐化效果评价.结果表明:空域锐化算子中,梯度锐化、二值化、Canny锐化和Roberts锐化结果的信息熵较低,马尔锐化、Sobel锐化、Prewitt锐化和拉普拉斯锐化结果的信息熵较高.频域的高通滤波处理时,截止频率与频域中心的距离D_0值的变换对会有较大的影响.canny锐化算法和Roberts锐化算法的细节方差均值与背景方差均值比相对较小,在参数绝对值取大于50、大于100时分别为205.1000、122.6250和25.7388和18.6903,其余空域内的算法的细节方差均值与背景方差均值比较大,数值由几千到几万不等.在频率域下细节方差均值与背景方差均值比所得的值都为个位数,空域和频域由于锐化的方向不同,使其处理图像后的数据有明显的差别.(本文来源于《哈尔滨师范大学自然科学学报》期刊2019年01期）
马翔,楚莹莹,陈允杰[8]（2018）在《基于空间信息熵活动轮廓模型的图像分割》一文中研究指出为了克服噪声、弱边界和灰度不均匀现象对图像分割的影响,提出空间信息熵驱动的活动轮廓图像分割模型。该模型通过空间信息熵刻画图像灰度的变化,利用图像的全局统计信息来克服灰度不均匀性。并构造一种新的基于空间信息熵的符号压力函数来促使轮廓曲线向边缘靠近,最终停留在图像的边缘,完成对目标的分割。此外,该模型采用二值水平集方法求解,避免了繁杂的计算过程。实验结果表明,该模型可以克服复杂背景对图像分割的影响,实现快速准确的分割。(本文来源于《控制工程》期刊2018年11期）
郑肇葆,郑宏[9]（2018）在《基于图像信息熵的图像分类》一文中研究指出引用信息论中信息熵可以区分不同信息源包含不同信息量的思想,解决图像分类的问题。在图像分类中为了节省计算时间,将每幅100×100像元图像化算为以5×5像元构成的区域,作为大像元的图像,大像元中25个像元特征值的均值作为一个大像元的特征值,本文的图像分类是在大像元图像上进行的。首先计算出每幅大像元图像的信息熵,按照已知信息将图像分为5类,在每一类别中以图像总数的1/4的原则确定该类图像的取样数目,由每一类别中每幅大像元图幅的信息熵,计算各类别大像元图像取样的信息熵均值。在这个基础上,选择3类图像作为一个组合,计算待检验图像的信息熵Hl,分别与3个取样信息熵的均值HCPa、HCPb、HCPc之间的绝对值Δ1、Δ2、Δ3,其中Δi的最小者所属的类别,便是待检验图像的类别。通过实验证明本文提出的大像元信息熵,用于图像分类是可行的、有潜力的。(本文来源于《测绘地理信息》期刊2018年05期）
赵磊,张文,孙振国,陈强[10]（2018）在《基于色彩分割及信息熵加权特征匹配的刹车片图像分类算法》一文中研究指出在基于机器视觉的汽车刹车片外观检测中,刹车片图像前景分割及形状特征的提取和匹配算法是刹车片分类的关键。为实现汽车刹车片外观高精度检测分类,该文提出并实现了一种包括前景分割、几何特征提取及特征模板匹配的图像处理算法。该算法首先将工业相机拍摄得到的红、绿、蓝(red green blue,RGB)格式图像转换到色调、饱和度、明度(hue saturation value,HSV)色彩空间,利用其中的饱和度S通道从暗色传送带背景中分割刹车片;然后提取刹车片区域的多维几何特征进行特征融合;最后采用基于信息熵加权的改进特征匹配算法,通过刹车片特征的信息熵对特征空间的Manhattan距离进行加权。对98张、54类刹车片图像进行了分类实验,结果表明:算法准确率为95.00%,每张平均耗时110ms,可以应用于刹车片生产过程中的实时自动分类。(本文来源于《清华大学学报(自然科学版)》期刊2018年06期）
图像信息熵论文开题报告范文
（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：
针对传统稀疏非负矩阵分解(NMF)解混方法仅考虑丰度矩阵中非零个数最少,没有考虑混合像元内端元的丰度分布具有不均匀性的这一问题,提出一种基于信息熵的NMF遥感图像解混算法.将端元的丰度值的大小看成是信息熵中的符号出现的概率,当端元等概率出现在混合像元中时各个丰度值大小相等,对应的实际地物等比例出现在混合像元中,此时信息熵最大,但是丰度稀疏性最低;当丰度分布最不均匀时,仅有一种地物类型出现,信息熵最小,此时丰度值的稀疏性最高,只有一个非零值,由此得出丰度稀疏性和信息熵有负相关的关系.在NMF解混算法的基础上,引入负信息熵来约束丰度矩阵,同时加入平滑限制来约束端元光谱矩阵.在模拟数据和真实数据上进行了结果测试.实验结果表明:相比传统的NMF解混算法和基于l2范数的NMF遥感图像解混算法,本方法能得到更好的解混效果.
（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。
图像信息熵论文参考文献
[1].康凯.基于梯度和信息熵特性的自适应分数阶微积分图像去噪研究[J].光学与光电技术.2019
[2].李杏梅,王伟奇.基于信息熵的NMF遥感图像解混算法[J].华中科技大学学报(自然科学版).2019
[3].郑肇葆,郑宏.基于图像信息熵的高光谱图像分类[J].测绘地理信息.2019
[4].王征,汪梅.信息熵多属性约简的煤粉尘图像特性机理[J].西安科技大学学报.2019
[5].王晗,朴斗福,魏明,施佺.信息熵-保真度联合度量函数的单幅图像去雾方法[J].计算机辅助设计与图形学学报.2019
[6].张大明,张学勇,李璐,刘华勇.利用广义信息熵谱选择的图像分割[J].模式识别与人工智能.2019
[7].张玉娟,李城林,钟浩,石佳佳.基于信息熵和细节方差均值与背景方差均值比的无参考图像锐化结果评价[J].哈尔滨师范大学自然科学学报.2019
[8].马翔,楚莹莹,陈允杰.基于空间信息熵活动轮廓模型的图像分割[J].控制工程.2018
[9].郑肇葆,郑宏.基于图像信息熵的图像分类[J].测绘地理信息.2018
[10].赵磊,张文,孙振国,陈强.基于色彩分割及信息熵加权特征匹配的刹车片图像分类算法[J].清华大学学报(自然科学版).2018