环境感知(基于无人驾驶汽车)技术方案.pptVIP

最大类间方差图像分割效果图 原始图像 c. 最大熵法： 熵是信息能量的一种度量形式。对于图像而言，其熵值可 以体现灰度分布状态。最大熵图像分割方法主要是通过计算 包含灰度信息的最大熵值，标记所对应的灰度值，将之作为 图像分割的最佳全局阈值。对于给定的图像，设 T 为分割阈 值，则目标和背景的灰度分布概率为： 则目标区域和背景区域的一维熵分别可用下式定义： 整幅图像的一维熵定义为： 使得 最大时的 T 值 ，就是根据一维熵最大化原理求 取得到的全局分割阈值。基于熵最大化原理的图像分割算法 的根本出发点是使图像中目标和背景分布的信息量最大。采 用该方法不需要先验知识，对于非理想双峰直方图图像也可 以进行有效分割。 T 原始图像 最大熵图像分割效果图 d. Fisher准则法： 在模式识别理论中， Fisher 评价函数是类别分离程度的 良好判据，因此可以考虑将 Fisher 评价函数引入到图像分 割中。 Fisher 准则函数的基本数学表达式如下： 上式表述的基本含义是：对于两类物体，如果表征其物 理特征的参数均值差越大，但其各自的方差都很小时，所 定义的 Fisher 准则函数J(Y)有最大值 。对于图像分割而言，我们可以按照不同灰度等级人为将图像分割成目标和背景 两类子图像，分别计算子图像的灰度均值和方差，并进而