基于matlab的互信息熵匹配算法

该博客探讨了图像信息熵的概念,强调了互信息在图像匹配中的作用。文章详细介绍了如何利用matlab编写算法,包括主程序和辅助函数如计算联合熵的unite_entropy函数。此外,还讨论了互信息作为衡量随机变量间依赖性的度量,以及其在减少不确定性的应用。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

图像信息熵

图像信息熵是一种特征统计形式,它反映了图像中平均信息量的多少。图像的一维熵表示图像中灰度分布的聚集特征所包含的信息量,令i表示图像中灰度为i的像素所占的比例,则定义灰度图像的一元灰度熵为:

H=i=0255pijlogpij

图像一维熵可以表示图像灰度分布聚集特征,却不能反映图像灰度分布空间特征,为了表征这种空间特征,可以在一维熵的基础上引入能够反映灰度分布空间特征的特征量来组成图像二维熵。选择图像的领域灰度均值作为灰度分布的空间特征量,与图像的像素灰度组成特征二元组,记为(i,j),其中i表示像素的灰度值(0<=i<=255),j表示领域灰(0<=j<=255):
pij
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值