信息论中的信息是消息的不确定性的消除∀作为信源的总体信息测度Η 是信源Ξ 的/ 信息熵0 &#615

信源Ξ 的/ 信息熵0 它表明信源Ξ 每发出一个符号: kind of like every investor gives out a price based on his best interest and information

PDF] 基于最大多符号信息熵的织物图像匹配文件格式: PDF/Adobe Acrobat - 快速查看
作者：包晓敏 - 被引用次数：1 - 相关文章
信息熵具有的代数对称性说明信源的信息熵只. 与信源的概率空间的总体结构有关与各概率分量. 和各信源符号的对应关系乃至各信源符号本身无 ...
www.fzxb.org.cn/qikan/manage/wenzhang/20050223.pdf

第 卷第 期
 年 月
纺 织 学 报
Π  ×¬  
∂   

基于最大多符号信息熵的织物图像匹配
包晓敏汪亚明罗一平许洲
浙江理工大学计算机视觉与模式识别中心浙江杭州 
摘 要 为了实现利用机器视觉技术识别织物图案的组成对织物图案进行研究∀ 依据熵函数是一个连续函数
且具有极值性将其运用到图像检测与匹配中∀ 把织物图像中的每一点作为单符号信源整幅图像作为多符号信
源在织物成品图像上选取和基准样图尺寸大小相同的图像计算信息熵若与样品图的信息熵相等则说明在织物
成品图中检测到样图否则没有∀ 实验结果表明该方法在织物图案匹配中是一种实用和成功的方法∀
关键词 信息熵熵函数图像匹配
中图分类号×≥ 1 文献标识码 文章编号222
Ματχηινγ οφ τεξτιλε ιμ αγε βασεδ ον τηε βιγγεστ μ υλτι2σψμ βολ ινφορ μ ατιον εντροπψ
 ÷2 •  ≠2  ≠2÷  Π
 Χομ πυτερ ςισιον ανδ Παττερν Ρεχογνιτιον Ρεσεαρχη Χεντερ Ζηεϕιανγ Υνιϖερσιτψ οφ Σχιενχε ανδ Τεχηνολογψ 
Ηανγζηου  Ζηεϕιανγ  Χηινα
Αβστραχτ ⁄¬ Π √  ×   ¬ 
× Π  ΠΠΠ  ¬  × Π2  
          2 Π
    Π2 Π×      Π2   ¬  
 Π  Π2 Π  Π2
 ΠΠ2  ¬
Π2 × ¬ Π 
Κεψ ωορδσ    Π  
作者简介包晓敏   女副教授∀ 主要研究领域包括计算机图像处理及应用等∀
在纺织品设计中对成品织物需要判断图案是由
哪些样图组成的以往主要是借助肉眼来完成∀ 随
着计算机视觉技术的广泛应用采用计算机视觉技
术获取实时图像与图库中的样图进行比照以确定
该实时图像中是否有样图并且明确图像的位置∀
数字图像匹配技术是模式识别和数字图像处理
的基本手段∀传统的模板匹配法概念清晰实现简
单由于图像包含的数据量大计算量十分庞大∀
图像匹配是根据已知图像模式寻找相应或相
似模式的过程∀ 随着计算机性价比的提高使得大
量的图像和视频信号的存储!传输成为可能∀ 但是
面对大量的数据进行存储!查询及检索至今仍得不
到很好的解决∀ 而计算机对图像的查询!检索等的
关键就是对图像的匹配处理∀
在图像匹配过程中大多数所面临的都是变化
的场景实时图像与预存的基准样图之间往往存在
差异∀基于最大多符号信息熵的物体匹配与检测
提出把最大多符号信息熵运用到图像的检测上∀
1 计算机视觉系统及图像提取
数字图像的获取采用的是数码照相机Π
≥Π ⁄×分辨率为  ≅   对纺织
品进行拍摄再将图像存入计算机∀ 拍摄得到基准
样图如图 所示成品图像如图 所示∀
图1 基准样图图2 成品图像
2 最大多符号信息熵的物体匹配算法
图像目标识别与检测中现有方法大多是基于
对目标本身特性进行分析检测出目标本身具有的
大小!方向!平移不变的特征通过对目标特征的分
析实现目标的检测与识别其前提是目标本身特征
已知或可估计∀一种常用的方法是首先进行图像分
割然后根据有关目标的知识从分割结果的各连续
区域块中确定出真实目标∀
信息论中的信息是消息的不确定性的消除∀作
为信源的总体信息测度Η 是信源Ξ 的/ 信息熵0 
它表明信源Ξ 每发出一个符号不论发生什么符
号所提供的平均信息量∀
Η Ξ   Ε
ρ
ι  
πι πι Ε
ρ
ι  
πι  
在所有符号总数相同而符号的概率分布不同
的离散信源中以先验等概的离散信源的信息熵值
最大其最大值等于信源符号总数ρ的对数∀
信息熵具有的代数对称性说明信源的信息熵只
与信源的概率空间的总体结构有关与各概率分量
和各信源符号的对应关系乃至各信源符号本身无
关代数非负性说明Η ∴ 这种非负性表明从总体
上来看从平均意义上来说信源在发符号前总存
在一定的不确定性在发符号后总可提供一定的信
息量代数确定性说明若信源Ξ 的概率空间中的任
一概率分量等于 时其它所有概率分量均等于零
则信源Ξ 的信息熵一定等于零∀ 表明当信源任一
符号几乎必然出现其它符号均几乎不可能出现时
这个信源就是一个确知信源∀ 在发符号前不存在
不确定性在发生符号后不提供任何信息量代数
连续性说明信源空间中的概率分量的微小波动不
会引起信源总体信息熵的巨大变化代数扩展性表
明若信源空间中增加某些概率很小接近于零的信
源符号虽然当信源发出这些符号时能提供很大的
信息量但终因其概率接近于零在信息熵中占有很
小比重以致总的信息熵维持不变代数可加性表明
由两个相互统计独立的信源Ξ 和Ψ 构成的联合信
源 ΞΨ的信息熵等于信源Ξ 和Ψ各自发一个符号
提供的平均信息量之和∀ 两个熵函数相加之和仍
然是一个熵函数代数递推性说明它揭示了信源的
总体信息特征∀ 若把含有ρ个符号的信源中的κ κ
 ρ个符号归并为一个符号构成含有 ρ  κ  
个符号的新信源则新信源与原信源相比每发一个
符号能提供的平均信息量必定有所减小其减小量
等于被归并的κ 个符号对应概率分量之和与这κ
个概率分量的归一化值为概率分量的信源空间的信
息熵之乘积∀反之若将含有ρ个符号的信源中的
某一个符号扩展为κ 个符号构成含有 ρ   κ个
符号的新信源则新信源与原信源相比每发一个符
号能提供的平均信息量必定有所增加其增量等于
被扩展的原信源符号对应的概率分量与扩展后κ
个符号对应概率分量的归一化值为概率分量的信源
空间的信息熵之乘积∀
熵函数的各项代数性质充分说明熵函数作为
信源的总体信息测度的合理性同时也从各种不同
角度揭示了信源的总体信息特征∀
熵函数的解析性质表明符号种数概率分量数
为ρ的信源Ξ 的熵函数一定不大于概率分量数符
号种数同样是ρ的另一信源中每一符号的自信息
量在信源Ξ 的概率空间中的统计平均值这就意
味着熵函数存在最大值同时熵函数是凸函数∀ 由
于熵函数是凸函数且具有极值性故有最优解∀
由多个符号组成的时间空间序列才能代表一
个完整的消息∀这种信源称为多符号离散信源∀单
符号离散信道的基本特征是输入一个离散符号信
道以一定概率在输出端输出一个相应的离散符号∀
那么相对于多符号离散信源来说若信道的输入端
输入一个由多符号离散信源发出的由多个信源符号
组成的时间序列所代表的消息在信道的输出端相
应以一定概率输出一个由同样个数的符号组成的时
间序列代表的消息则这种信道称为多符号离散
信道∀
描述Ν 维离散平稳信源Ξ  Ξ Ξ , ΞΝ 的数学
模型如下∀
Π ΞΘ ΞΘ , ΞΘ Ν  Π ΞΤ ΞΤ , ΞΝ Ν
符号集为Ξ α α , αρ的Ν 维离散平稳信源
Ξ  Ξ Ξ , ΞΝ 的信源空间
≈ Ξ # Π 
Ξ α α , αρ
Ν
Π Ξ π α  π α  , π αρ
Ν 
 [ π αι   π αι

αι

, αι
Ν
 [ 
Ε ρ
Ν
ι  
π αι   Ε
ρ
ι

 
Ε ρ
ι

 
,Ε
ρ
ι
Ν
 
π αι

αι

, αι
Ν
  
其信息熵由于Ν 维离散平稳无记忆信源Ξ 
Ξ Ξ , ΞΝ 中各随机变量之间统计独立即有
Π Ξ  Π Ξ Ξ , ΞΝ  Π Ξ  # Π Ξ # ,# Π
 ΞΝ ΞΝ 的概率空间Π ΞΝ π α  π α  , π
 αρ
Ν 是一个完备集则可得ΞΝ 的信息熵
Η ΞΝ  Η Ξ Ξ , ΞΝ   Ε
ρ
Ν
ι  
π αι  π αι 
= > 纺织学报年 第期
Η ΞΝ  Η Ξ   Η Ξ   ,  Η ΞΝ
3 最大多符号信息熵的织物图像匹配
基于最大多符号信息熵的织物图像匹配与检测
中把一幅图像中的每一点作为单符号信源灰度值
为 ∗  所以每一点的取值在同一符号集   
,  整幅图像作为多符号信源出现的离散符
号都是取于同一符号集   ,  ∀ 图像中的
一点对应着单符号信息熵故多符号信息熵对应着
一幅图像∀由于每个像素点的灰度值为 ∗  中
的某一个值先求得整幅图像的像素点的灰度值之
和再计算每个像素点所占份额即其概率∀其构成
的概率空间符合多符号离散平稳信源的数学模型∀
由上述算法原理可得算法基本步骤如下第
一步计算基准样图的多符号信息熵第二步在成
品图像上取与基准样图大小相同的窗口当窗口在
整个成品图像上逐行逐列滑动时每次计算相应窗口
位置的多符号信息熵第三步比较每个窗口位置
图与基准样图的多符号信息熵若相等即为匹配区
域否则不匹配∀
4 最大多符号信息熵的物体检测结果
利用最大多符号信息熵进行织物图像匹配检
索实验图像是°∞ 图像其中基准样图如图 所
示大小为 ≅  灰度值为 ∗  成品图像如
图 所示大小为 ≅  灰度值为 ∗  ∀匹配
检测结果如图 所示∀ 在成品图像中检索到样品
图并且明确其位置∀
图3 匹配检测结果图
参考文献
≈   朱淼良计算机视觉≈  杭州浙江大学出版社  
≈   盛文柳健基于纹理模型的红外图像弱小目标检测≈ 红外
与激光工程     
≈   贾云得机器视觉≈   北京科学出版社  
≈   刘志俭应用程序接口用户指南≈   北京科学出版
社  
≈   赵立初施鹏飞俞勇等模板图像匹配中的亚像元定位新方
法≈ 红外与毫米波学报     
≈   刘道海孙作龙黄樟灿等图像匹配问题的新算法≈ 武汉
理工大学学报     
≈   高照锋冯慧基于主成分分析的图像匹配方法≈ 武汉大学
学报     
≈   廖俊必袁中凡徐等图像匹配中噪声分析和预处理≈ 
光电工程     
年 第期纺织学报= >

所有跟帖： 

• "信源发出符号" google.cn -marketreflections- ♂ (2672 bytes) () 11/25/2010 postreply 19:00:50