精品文档---下载后可任意编辑摘 要信息论的基本原理应用到图像处理中具有十分重要的价值。本文主要从评估图像捕捉部分性能的评估、图像分割算法这两个个方面阐述信息论在图像处理中的应用。 通过理论分析来说明使用信息论的基本理论对图像处理的价值。随着科学技术的不断进展,人们对图形图像认识越来越广泛,图形图像处理的应用领域也将随之不断扩大。为了寻找快速有效的图像处理方法,信息理论越来越多地渗透到图像处理技术中。文章介绍了信息论基本理论在图像处理中的应用,并通过理论分析说明其价值。把通信系统的基本理论信息论应用于采样成像系统,对系统作端到端的系统性能评价,从而优化采样成像系统的设计,是当前采样成像系统讨论的分支之一。有些图像很繁杂,而我们只需要其中有意义的一部分,图像分割就是将图像分为一些有意义的区域,然后对这些区域进行描述,就相当于提取出某些目标区域图像的特征,随后推断这些图像中是否有感兴趣的目标。 关键词:信息论;图像捕捉;图像分割 目 录1.绪论2.图像捕捉与分割图像捕捉的数学模型2.2 图像的性能评估2.3 图像分割定义及方法概述2.4 基于最大熵原理的图像分割3 总结参考文献附录1.绪论1.1 图像评估的进展 对于图像评估函数评估的讨论 2 世纪 60 年代就已经开始,至今已有近 50 年的历程。纵观这 50 年的进展状况,图像质量处理评估讨论大致经历了这些进展阶段。 20 世纪 60 年代末至 80 年代初这是图像质量评估产生的最初时期,这一时期 的图像质量评估方法主要是采纳将图像作为二维信号,从传统的信号准确性上对图像质量进行定义和 讨论。很多经典的一维信号准确性判定方法都被直接移植到图像质量评估中,如均方根误差、信噪比、峰值信噪比等。这些方法结构简单,理论意义明确, 但是缺点也很突出:由于图像的质量是和人主观感受相关的,这种简单的准确性准则在实际中并不能很好地表达出其质量的优劣。 20 世纪 80 年代中后至 90 年代初随着图像处理技术的深化讨论和图像系统的广泛应用,一些讨论人员逐渐认识到传统的信号精确 度准则不能反映出图像质量状况。因此,引入新的模型、方法、以及当时最先进的图像处理手段来构造出图像质量评估函数成为了讨论的主流趋势,具有 代表性的如差熵函数,边缘统计函数,色觉差异性,主观视觉系统评估方法。但实际上,隐藏在这种“百家争鸣”状况的背后是众多讨论人员对于图像质量优劣这一概念的模糊和混淆。因此这一时期的图...