第三章目标检测方法_1_-6.ppt

* * * * * * 第二节 * * 式中p(x)是随机变量x的概率密度函数。 * * * * * 第五节 最大熵阈值分割 熵是平均信息量的表征，在数字图像处理和模式识别上有很多应用。 对于数字图像来说，随机变量可以是灰度级值、区域灰度、梯度等特征。灰度的最大熵，就是选择一个阈值，使图像用这个阈值分割出的两部分的一阶统计的信息量最大。 设 为图像中灰度级 的像素点数， 为灰度级 出现的概 率，则： 假设图像中灰度级小于 的像素点构成目标区域A，灰度级大于 的像素点构成目标区域B，那么各概率在基本区域的分布分别 为： A区： B区： 目标区域和背景区域的熵分别定义为： 则熵函数定义为： 当熵函数取得最大值时对应的灰度值就是所求的最佳阈值： ⑶、基于阈值分割的目标位置计算 利用合适的阈值选取方法计算出整场图像的分割阈值，通过对图像二值化实现目标与背景分离，分割出的全体目标像元位置数据和目标像元的总点数，计算出目标的重心位置或形心位置，也就是目标在摄像机靶面的位置。重心或形心数据则作为下一场的跟踪数据；目标的重心或形心相对于视场中心的位置数据，则作为目标的偏差数据，也就是脱靶量。 基于图像边缘信息的分割方法是最容易,也是最常用的一类图像分割方法，边缘标示出图像的灰度、纹理、颜色等不连续的地方。下图是基于边缘的