基于灰度熵的天际线检测算法

发布时间：2022-10-15 15:19

　　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... 

【文章页数】：59 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
    1.3 本文研究内容
    1.4 论文章节安排
2 相关概念及技术原理
    2.1 特征提取
        2.1.1 HOG算子
        2.1.2 LBP算子
    2.2 边缘检测
        2.2.1 Robert算子
        2.2.2 Canny算子
    2.3 SVM算法
    2.4 本章小结
3 天际线检测的先验与熵减系数
    3.1 信息熵及其相关的概念
        3.1.1 信息熵的定义与性质
        3.1.2 互信息、联合熵、条件熵的概念及关系
        3.1.3 图像的一维熵与二维熵
        3.1.4 像素级的灰度互信息
    3.2 灰度熵的天际线检测的先验
    3.3 熵减系数的来由
    3.4 本章小结
4 天际线检测模型
    4.0 检测前的去雾预处理
    4.1 图像去噪
    4.2 检测中的天际线坐标点计算
    4.3 天际线坐标点的拟合
    4.4 本章小结
5 实验测评与分析
    5.1 实验环境
    5.2 实验参数设置
    5.3 评估方法以及实验数据
        5.3.1 对比实验设置与评估方法
        5.3.2 实验数据对比
    5.4 改进方法
    5.5 本章小结
6 总结与展望
    6.1 工作总结
    6.2 工作展望
参考文献
附录
致谢


【参考文献】：
期刊论文
[1]基于边缘保持的自适应高斯衰减去雾算法[J]. 杨燕,张国强,李一菲,岳辉.  激光与光电子学进展. 2018(08)
[2]基于超像素分类的海天线检测方法[J]. 刘靖逸,陈金波,王志恒,李恒宇.  计量与测试技术. 2017(03)
[3]区域协方差与中值校正融合的天际线检测算法研究[J]. 涂兵,潘建武,吴健辉,曾香,曹旭.  计算机科学. 2017(03)
[4]基于结构森林边缘检测和Hough变换的海天线检测[J]. 徐良玉,马录坤,谢燮,彭艳,彭艳青,崔建祥.  上海大学学报(自然科学版). 2017(01)
[5]基于二维OTSU的海天分界线提取算法[J]. 韩嘉隆,毛征,王宁,孟博.  国外电子测量技术. 2016(08)
[6]基于LBP和稀疏表示的天际线检测算法研究[J]. 涂兵,潘建武,张国云,李朝辉,李孝春.  计算机工程与应用. 2016(20)
[7]基于梯度显著性的水面无人艇的海天线检测方法[J]. 王博,苏玉民,万磊,庄佳园,张磊.  光学学报. 2016(05)
[8]特征学习的单幅图像去雾算法[J]. 麦嘉铭,王美华,梁云,蔡瑞初.  中国图象图形学报. 2016(04)
[9]基于改进暗通道和导向滤波的单幅图像去雾算法[J]. 陈书贞,任占广,练秋生.  自动化学报. 2016(03)
[10]基于Hough变换的海天线检测算法研究[J]. 安博文,胡春暖,刘杰,曹彦珏.  红外技术. 2015(03)

硕士论文
[1]天际线检测关键算法研究[D]. 潘建武.湖南理工学院 2018
[2]基于FPGA的手指多模态身份识别系统设计[D]. 孙中海.浙江工业大学 2016
[3]基于暗原色先验的快速图像去雾算法[D]. 郭咏诗.北京邮电大学 2016
[4]基于灰色关联分析的图像边缘检测研究[D]. 薛文格.云南师范大学 2008



本文编号：3691542