1、最大熵（maxent）

最大熵（maxent）方法植根于信息理论，并已成功应用于许多领域，包括物理学和自然语言处理。它创建了一个模型，该模型最好地解释了可用数据，但有一个约束，即在没有任何附加信息的情况下，该模型应该最大化熵。换句话说，该模型通过最大化条件熵来偏好均匀分布。最大熵模型最初由Berger等人（1996）开发，用于自然语言应用，如信息检索和语音识别。Jeon和Manmatha（2004）将该模型用于图像。我们遵循Jeon和Manmatha（2004）将maxent应用于形状分类问题的推导。

Maximum entropy
The maximum entropy (maxent) approach is rooted in information theory and has been successfully applied to many fields including physics and natural language processing. It creates a model that best accounts for the available data but with a constraint that without any additional information the model should maximize entropy. In other words, the model prefers a uniform distribution by maximizing the conditional entropy. The maximum entropy model was originally developed by Berger et al. (1996) for natural language applications such as information retrieval and speech recognition. Jeon and Manmatha (2004) adapted the model for images. We follow the derivation of Jeon and Manmatha (2004) applying maxent to the problem of shape classification.

最大熵原理是一个规则，它允许我们从多个不同的概率分布中选择一个“最佳”，这些概率分布都表示当前的知识状态。它告诉我们，最好的选择是熵最大的那个。

这将是剩余不确定性最大的系统，通过选择它，您可以确保您的分析中没有添加任何额外的偏见或不必要的假设。

我们知道，随着时间的推移，所有系统都趋向于最大熵配置，因此，最大熵分布准确表示系统的可能性高于更有序系统表示的可能性。

The maximum entropy principle is a rule which allows us to choose a ‘best’ from a number of different probability distributions that all express the current state of knowledge. It tells us that the best choice is the one with maximum entropy.

This will be the system with the largest remaining uncertainty, and by choosing it you’re making sure you’re not adding any extra biases or uncalled for assumptions into your analysis.

We know that all systems tend toward maximal entropy configurations over time, so the likelihood that your system is accurately represented by the maximum entropy distribution is higher than the likelihood it would be represented by a more ordered system.

2、灰度图像二值化，全局算法，一维最大熵的阈值算法源程序

二值算法综述请阅读：

C#，图像二值化（01）——二值化算法综述与二十三种算法目录https://blog.csdn.net/beijinghorn/article/details/128425225?spm=1001.2014.3001.5502

支持函数请阅读：

C#，图像二值化（02）——用于图像二值化处理的一些基本图像处理函数之C#源代码https://blog.csdn.net/beijinghorn/article/details/128425984?spm=1001.2014.3001.5502

using System;
using System.Linq;
using System.Text;
using System.Drawing;
using System.Collections;
using System.Collections.Generic;
using System.Drawing.Imaging;namespace Legalsoft.Truffer.ImageTools
{public static partial class BinarizationHelper{#region 灰度图像二值化 全局算法 一维最大熵/// <summary>/// 一维最大熵/// </summary>/// <param name="histogram"></param>/// <returns></returns>public static int Maxium_Entropy_1D_Threshold(int[] histogram){int MinValue = Histogram_Left(histogram);int MaxValue = Histogram_Right(histogram);double[] HistGramD = Histogram_Normalize(histogram);int Threshold = 0;double MaxEntropy = double.MinValue;for (int i = MinValue + 1; i < MaxValue; i++){double SumIntegral = 0.0;for (int j = MinValue; j <= i; j++){SumIntegral += HistGramD[j];}double EntropyBack = 0.0;for (int j = MinValue; j <= i; j++){EntropyBack += (-HistGramD[j] / SumIntegral * Math.Log(HistGramD[j] / SumIntegral));}double EntropyFore = 0.0;for (int j = i + 1; j <= MaxValue; j++){EntropyFore += (-HistGramD[j] / (1.0 - SumIntegral) * Math.Log(HistGramD[j] / (1.0 - SumIntegral)));}if ((EntropyBack + EntropyFore) > MaxEntropy){Threshold = i;MaxEntropy = EntropyBack + EntropyFore;}}return Threshold;}public static void Maxium_Entropy_1D_Algorithm(byte[,] data){int[] histogram = Gray_Histogram(data);int threshold = Maxium_Entropy_1D_Threshold(histogram);Threshold_Algorithm(data, threshold);}#endregion}
}

3、灰度图像二值化，全局算法，一维最大熵的阈值算法计算效果

效果很一般一般一般。

C#，图像二值化（15）——全局阈值的一维最大熵（1D maxent）算法及源程序相关推荐

图像二值化处理(全局阈值自适应阈值手动阈值操作以及直方图画法)
文章目录图像二值化处理二值化原理 API介绍手动设置阈值均值法迭代法自动设置阈值直方图法全局阈值法 OTSU法三角形法自适应阈值法 API 绘制图像直方图图像二值化处理二值化原 ...
图像二值化_三角阈值法
前言一.三角阈值法是什么? 二.算法原理 1.算法总结参考文献前言图像二值化有很多方法,比较经典的为OTSU,三角阈值法,本文主要想一探三角阈值法的算法原理. 一.三角阈值法是什么? 三角阈 ...
java 用遗传算法解决图像二值化问题找阈值
image类对图像处理 import java.awt.image.BufferedImage; public class Image {public int h; //高public int w; ...
【图像处理】——图像的二值化操作及阈值化操作（固定阈值法（全局阈值法——大津法OTSU和三角法TRIANGLE）和自适应阈值法（局部阈值法——均值和高斯法））
目录一.二值化的概念(实际上就是一个阈值化操作) 1.概念: 2.实现方法 3.常用方法二.阈值类型 1.常见阈值类型(主要有五种类型) (1)公式描述 (2)图表描述 2.两种特殊的阈值算法(O ...
OTSU_图像二值化分割阈值的算法
简介: 大津法(OTSU)是一种确定图像二值化分割阈值的算法,由日本学者大津于1979年提出.从大津法的原理上来讲,该方法又称作最大类间方差法,因为按照大津法求得的阈值进行图像二值化分割后,前景与背景 ...
自适应阈值图像二值化
一.二值化关于二值化的介绍,以前的博客中有介绍,这里就不再描述了,二值化介绍:二值化分为固定阈值二值化和自适应阈值二值化,固定阈值二值化方式是我们常用的二值化方式,需要自己摸索一个经验阈值,不断调整 ...
图像二值化(选择阈值)
目录 1. 双峰法 2. 大津法(Otsu法或最大类间方差法) 1. 双峰法在一些简单的图像中,物体的灰度分布比较有规律,背景与各个目标在图像的直方图各自形成一个波峰,即区域与波峰一一对应,每两个 ...
二值化图像的欧拉数_Android OpenCV（八）：图像二值化
图像二值化简介图像二值化( Image Binarization)就是将图像上的像素点的灰度值设置为0或255,也就是将整个图像呈现出明显的黑白效果的过程.在数字图像处理中,二值图像占有非常重要的 ...
OpenCV-Python 图像二值化
OpenCV-Python 图像二值化一.什么是图像二值化二.图像二值化 Ⅰ先获取阈值: Ⅱ根据阈值去二值化图像 ⅢOpenCV中的二值化方法三.全局阈值函数cv2.threshold · 函数 ...
数字图像基础——图像通道、空间域表示、图像二值化
文章目录一.数字彩色图像的组成结构? 二.数字图像是如何数字化存储的? 三.彩色图像的灰度化? 四.图像二值化五.opencv实战 1.读取图像及验证图像通道 2.RGB2GRA 3.二值化一. ...

C#，图像二值化（15）——全局阈值的一维最大熵（1D maxent）算法及源程序

1、最大熵（maxent）

2、灰度图像二值化，全局算法，一维最大熵的阈值算法源程序

3、灰度图像二值化，全局算法，一维最大熵的阈值算法计算效果

C#，图像二值化（15）——全局阈值的一维最大熵（1D maxent）算法及源程序相关推荐

最新文章

热门文章