基于熵的图像噪声方差估计_杨涛

二维直方图斜分最大类间交叉熵的图像分割张新明;刘斌;李双;张慧云【摘要】利用二维直方图斜分原理,提出了一种基于最大类间交叉熵的快速图像分割方法.首先依据二维直方图斜分法构建最大类间交叉熵周值选取公式,然后导出这种最大类间交叉熵阈值选取的快速递推算法,最后将定义的数组运算与这种快速算法相结合搜索最佳阈值向量,使整个算法更简明高效.实验结果表明,与当前二维直方图斜分阈值方法相比,此算法效率更高,通用性更强.【期刊名称】《计算机应用》【年(卷),期】2010(030)009【总页数】5页(P2453-2457)【关键词】图像分割;阈值化;二维直方图斜分;最大类间交叉熵;递推算法【作者】张新明;刘斌;李双;张慧云【作者单位】河南师范大学,计算机与信息技术学院,河南,新乡,453007;湖北大学,数学与计算机科学学院,武汉,430062;河南师范大学,计算机与信息技术学院,河南,新乡,453007;河南师范大学,计算机与信息技术学院,河南,新乡,453007【正文语种】中文【中图分类】TP391.41;TN911.730 引言图像分割是计算机视觉中的一个关键问题，特征提取和目标识别都是以图像分割作为基础的。

在众多的分割方法中，阈值化方法因其简单、计算量小、性能较稳定而成为图像分割中应用最广泛的分割技术。

常用的阈值法有最大类间方差法(Otsu)、最大熵法和最小交叉熵方法等［1－3］。

这些方法在最初提出时都通过图像的一维灰度直方图来选取阈值。

一维直方图虽然处理速度快，但不能反映图像的局部空间信息，当图像受到噪声干扰、光照不均匀等因素影响时，难以获得满意的分割效果，甚至产生分割错误。

因此，Abutaleb等人将最大熵方法从一维拓展到了二维［4］，其效果较一维方法有明显改善，但同时由于将一维搜索空间扩大为二维，加上变成二维后算法本身的复杂性，导致运算量按指数增长，运算速度慢。

梅蓉等人将最小交叉熵法推广到二维情况［5］，为了避免该方法大量计算时间消耗，文中采用遗传算法来近似优化最小交叉熵分割准则。

基于Canny算子的二维最大熵阈值分割算法张允;焦斌【摘要】为解决分割多目标和复杂图像时存在计算时间过长、计算量较大等问题,提出基于Canny算子的二维最大熵阈值分割算法.首先分析了Canny算子边缘检测以及传统二维最大熵阈值分割,然后将采用Canny算子边缘检测得到的阈值应用到二维最大熵阈值分割算法中.通过实验结果显示,该算法能有效提高效率,降低计算的复杂性,保护图像的细节信息,具有一定的优越性.【期刊名称】《上海电机学院学报》【年(卷),期】2018(021)003【总页数】5页(P1-5)【关键词】图像分割;Canny算子;二维最大熵算法;边缘检测【作者】张允;焦斌【作者单位】上海电机学院电气学院,上海201306;上海电机学院电气学院,上海201306【正文语种】中文【中图分类】TP391图像分割[1],广义来说,是根据图像的灰度、颜色、纹理等某些特征或特征集合，利用相似性准则对图像像素进行分组聚类,把图像平面划分成若干个具有某些一致性的不重叠区域。

这使得不同区域间像素的特征存在突变,即具有非一致性，而同一区域中的像素特征是类似的,即具有一致性。

目前图像分割的方法[2]主要包括：基于阈值的分割、基于图论的分割、基于区域的分割、基于能量泛函的分割和基于边缘的分割等。

阈值法[3]的基本思想是先运用图像的灰度特征来计算一个或多个灰度阈值，然后将图像中每个像素的灰度值与阈值作比较，最后根据比较结果将像素分到合适的类别中。

阈值处理技术，包括全局阈值、自适应阈值和最佳阈值等。

阈值分割算法存在计算时间长、占用内存大等问题，Kapur等[4]最早对灰度图像进行阈值分割采用了一维最大熵，但是该算法无法有效克服图像噪声的影响，Brink等[5]运用图像的灰度信息和局部空间信息，提出二维熵阈值分割，得出的图像结果较好，但是耗时较长。

许多学者提出了改进算法，王文豪等[6]运用自适应中值滤波和改进的最大类间方差法(Otsu)算法，生成新的高、低阈值。

一种基于CFA插值系数熵的图像来源取证算法【摘要】研究分析了数码相机内部的CFA插值算法，利用数字图像本身对数码相机的CFA插值系数进行估计，同时将熵理论引入其中，以插值系数熵作为特征值，使用BP神经网络作为分类器，提出了一种基于CFA插值系数熵的图像来源取证算法。

实验表明：该算法能够较准确地对不同相机来源的数字图像进行鉴别, 同时对JPEG重压缩图像的检测率也有所提高。

【关键词】数字图像取证；插值系数；熵；支持向量机Blind CFA Interpolation Detection Based on The EntropyXIE Jian PＡＮXiao-zhong(Department of Electronic Technology Engineering University of the CAPF,Xi’an Shaanxi, 710086, China）【Abstract】The study analyzed the digital camera’s internal CFA interpolation algorithm, estimated the CFA interpolation coefficients of the digital camera by digital image itself. While the entropy theory was introduced to this paper, used entropy of interpolation coefficient as a feature and the BP neural network as a classifier, and then proposed an image source forensics algorithm based on the entropy of CFA interpolation coefficients. Experiments showed that the algorithm could identify images from different cameras more accurately, and had increased the detection rate to the re-compressed JPEG images.【Key words】Digital image forensics；Color Filter Array(CFA) interpolation；Entropy；Support Vector Machine(SVM)数字图像取证技术是直接利用数字图像数据本身进行来源认证和鉴别分析的被动盲分析技术。

专利名称：基于信息熵的图像质量评价方法
专利类型：发明专利
发明人：刘丹平,党普泽,陈林烽,林萌,印勇,胡学斌,谭晓衡申请号：CN201910350172.4
申请日：20190428
公开号：CN110070539A
公开日：
20190730
专利内容由知识产权出版社提供
摘要：本发明公开了一种基于信息熵的图像质量评价方法，用于解决现有的图像质量评价方法不能有效的评价多重失真以及去模糊失真类的图像。

该方法构造了包含去模糊失真的图像库，然后在图像库基础上，利用支持向量机根据提取的图像库图像的二维空间熵和频谱熵特征进行分类训练得到失真概率向量模型；然后利用支持向量回归将每类图像的特征和其全参考质量评价指标VSI得分拟合，得到特定失真质量向量模型。

利用这两个模型，可以对任意图像根据其信息熵特征得到质量预测分数，最后结合去模糊图像的振铃、残留模糊和噪声等失真的检测评估，得到最终的评价分数。

本方法与已有技术相比具有评价更加客观、通用性好的特点。

在图像复原实验中，利用本方法实现了去模糊算法的多个参数的快速优化，得到的复原图像质量明显提高。

本方法可以嵌入到DaVinci系统或其他与图像质量相关的应用系统中,具有很强的实用价值。

申请人：重庆大学
地址：400044 重庆市沙坪坝区沙正街174号
国籍：CN
更多信息请下载全文后查看。

基于信息熵的图像压缩技术研究一、绪论图像压缩技术是一种将图像数据经过处理，以达到减少图像需要占用的空间大小的效果。

随着科技的不断进步，数字图像在生活中的应用越来越广泛，因此压缩技术的研究显得尤为重要。

基于信息熵的图像压缩技术是一种在图像处理领域中常用的技术，本文对其进行深入研究和探讨。

二、信息熵的概念信息熵是信息论中的重要概念。

信息熵是描述信息量大小的一个指标，通俗地来说就是信息的不确定性，具体表现为一个随机变量的所有可能取值的概率的对数倒数的加权平均。

信息熵越小表示信息的相对不确定程度越小，反之则越大。

三、基于信息熵的图像压缩算法步骤1.图像预处理图像压缩前需要对图像进行预处理，例如去除图像噪声、调整图像亮度等。

2.图像分块将图像分为若干个块，使得每个块的容量小于阈值。

块的大小会影响压缩比。

3.计算块信息熵对于每个块，计算其信息熵。

信息熵越小表示块的确定程度越高，块内冗余信息的多少也可通过信息熵得到反映。

4.图像编码根据块信息熵的大小，对图像进行编码。

不同的信息熵，对应不同的编码方式。

5.图像解码对图像进行解码，还原为原始图像。

四、实验结果使用基于信息熵的图像压缩算法对一张分辨率为512*512、大小为1MB的测试图像进行压缩。

将块大小设置为8*8，得到的压缩率为70.3%。

当将块大小设置为4*4时，压缩率达到了82.6%，但是图像质量比较低。

此外，在相同压缩率的情况下，基于信息熵的图像压缩算法相对于其他常规的图像压缩算法，具有更好的图像质量。

五、总结基于信息熵的图像压缩技术是一种在图像处理领域中常用的技术，其主要应用于数字图像的传输、存储、处理等方面。

本文对该技术进行了深入探讨和研究，展示了其压缩率高、图像质量好的优点。

但是该技术也存在一定缺陷，如压缩时间较长、大块图像的压缩效果不佳等。

因此，对于具体应用需根据实际需求进行选择。

一种图像去模糊正则化恢复算法参数确定方法吴玲达;郝红星【摘要】为了解决模糊正则化恢复算法中参数确定问题,提出一种正则化参数确定方法,该方法根据降质图像特征计算正则化参数.分析了目前普遍应用的全变分正则化方法和该问题的改进拉格朗日迭代解法(SALSA),分析不同正则化参数对恢复效果的影响,提出的正则化参数确定方法与噪声和原图像梯度大小相关.对不同梯度和噪声图像的不同正则化参数恢复效果进行对比,得到提出的正则化参数确定方法能使恢复图像的改进信噪比处于最大值附近.从实验视觉效果得出,该参数确定方法能够抑制降质图像的噪声并能够尽量恢复原图像细节信息.%A method of determining the regularization parameter is proposed in order to solve the image deblurring problems. The main objective is to get the regularization parameter from the deblurring image. The method starts by considering the famous Total Variation methods and the Split Augmented Lagrangian Shrinkage Algorithm (SALSA) , and then it deals with the effect of the regularization parameter on the result image. The proposed method proves that the parameter is determined by the noise and the gradient of the image. Results of the recovery of images were compared with different gradient and noise, and they help to reach a conclusion that the proposed method maximizes the improvement in Signal to Noise Ratio (ISNR). The method also removed noise and protected the details of the image in the processing of recovery as much as possible.【期刊名称】《国防科技大学学报》【年(卷),期】2012(034)004【总页数】6页(P79-84)【关键词】正则化参数;去模糊;全变分正则化;改进拉格朗日迭代解法【作者】吴玲达;郝红星【作者单位】国防科技大学信息系统与管理学院,湖南长沙410073;装备学院复杂电子系统仿真重点实验室,北京怀柔101400;国防科技大学信息系统与管理学院,湖南长沙410073【正文语种】中文【中图分类】TP391目前，图像的应用领域越来越广泛，包括卫星遥感图像、医学成像，天文学成像等。