基于图像局部熵的红外图像分割方法

合集下载

基于局部熵的目标检测

基于局部熵的目标检测背景介绍自信息熵的概念引入图像处理以来,在图像恢复、边缘检测、目标检测和图像匹配等领域已得到广泛应用.利用小目标的存在将引起图像局部熵产生较大变化这一特性,局部熵方法也被用于红外图象中的小目标检测.但该算法在实际应用中还存在目标范围扩散、背景边缘纹理干扰严重、熵值大小受背景亮度制约等诸多问题。

局部熵反映了图像灰度的离散程度，在局部熵大的地方,图像灰度相对较均匀;局部熵小的地方,图像灰度离散性较大,而与图像灰度的均值无关,所以可以根据图像的局部熵把相对均匀的多目标分割出来。

由于局部熵是窗口内多像素点共同的贡献,对于单点噪声不敏感,所以,局部熵本身具有一定的滤波效果。

局部熵技术的目标检测对于小目标图像,其检测结果基本为一小亮点;对于较大目标,除分割出目标外,可以很容易分割出目标边缘,便于识别目标形状;对于多目标图像,由于目标大小不同,其熵值大小也不同,特别是单像素目标,灰度变化对熵值的影响比多像素变换对熵值的影响小,所以,在大小不同的多目标同时出现的情况下,局部熵值对应的熵值图像实际上相当于灰度不同的多目标图像,简单地利用阈值分割,可能会丢失小目标。

用目标图像的局部熵,可方便地实现多目标检测。

基于局部熵技术的红外图像目标检测实现过程如下:(1)由公式(2)计算红外图像局部熵;(2)在局部熵数组中搜索最小局部熵值emin,当最小局部熵值emin小于给定判决阈值时,最小局部熵值位置即为目标或目标边缘所处位置;(3)以最小局部熵值emin的位置为种子,进行目标增长,可得到目标大小和目标边缘;(4)结束。

局部熵技术存在的问题该算法在实际应用中还存在目标范围扩散、背景边缘纹理干扰严重、熵值大小受背景亮度制约等诸多问题。

目标范围扩散设在一均匀背景中有一孤立点目标如图1(a),算法取3×3小邻域计算后的熵值图如图1(b).显然,熵值图中目标范围发生了扩散,除目标点的真正位置外,与其相邻的位置都表现出相同的熵值;为此,要确定目标的真正位置,需在后续阶段进行熵值图的细化等形态学处理,使处理过程复杂化且与目标检测的实时性需求相悖.局部熵增长抑制点目标扩散现在,将图像中某3×3小邻域范围内(9像素点)的局部熵值计为H9;而如果去掉中心点,以该中心点的邻域点(图2中位置1…8)组成一个新的局部图(8像素点),可计算出一个新的局部熵值并计为H8,定义，为该中心点引起该局域范围熵值的增长幅度,简称为该中心点的“熵增长”。

一种新的基于背景的红外图像分割方法

ｔｃｎｅｂｃｇｏｎｆｈｇｎｏｔｅｔ（Ｏ）ｉｓａｆｈｇｔｔｌｎｏｅｄｃｅｃｍｕｔｎｒｔｇｔａｋｒｕｄｏｔｒｉｆｎｒｓＲＩｎｔｄｏｔｔｅｉｅ．Ｉｒｒｏｒｕｅｔｏｐｔｉａｉｈｅｅｏｉｅｅｅａｓｆｄｔｅｒｈａｏ
（上海交通大学图像处理与模式识别研究所，上海２０４）０２０
摘要：针对红外图像中目标周围的背景往往比较均匀的特点，中提出了一种基于背景区域的目标提取方法。首先利用局文
部熵信息检测到目的位置，标并在此基础上获得一个包含目标的感兴趣区域，后通过基于直方图搜索的区域增长法来提最取感兴趣区域中的背景部分，从而有效地将背景和目标进行了分割，实现了目完整提取的目的。由于是在感兴趣区域进标行提取而且对直方图进行搜索，克服了区域增长法计算量大的缺陷。试验结果证明，该方法能有效且完整地提取目。标
１引言
图像分割是将整幅图像分割成若干个具有相同特性（如灰度、颜色、纹理等）但是又不重叠的区域并提取感兴趣目标
的技术和过程，它是图像理解到图像分析的关键步骤，是一
较低且易受噪声干扰，一般目标的边缘比较模糊，一种弱是边缘。简单地对图像进行边缘提取或者对目标进行区域增长，往往不能得到很好的效果。针对这个特点，提出了许多结合边缘和区域增长的分割方法… “ 。
ＺＡｉｐｉＹＯＬ — ｉ，Ｉｕ —ｍｎ，ＡｉＨＯＱｎ— ｅ，ＡｉｘｕＬＵＲｉｉｇＹＮＧＪｅ

红外图像分割论文

红外图像分割论文基于MATLAB的红外图像分割算法研究摘要红外技术在20世纪的军事和民用领域发挥着至关重要的作用，而且随着21世纪未来战场的需要和红外技术在民用领域的不断扩展，红外技术将发挥着越来越重要的作用。

其中红外目标识别技术是世界各国学者研究的前沿和热点问题之一。

如何对红外图像进行有效的分割则关系到目标识别是否能够准确的根本。

本文在红外图像目标的预处理、分割两方面，进行了较为系统的研究。

本文概述了红外图像目标的增强、分割等技术在国内外的研究现状与发展趋势。

深入研究了图像增强算法和图像分割算法，并通过MATLAB软件实现。

通过对传统图像分割算法中常见的直方图双峰法、迭代法和最大熵法进行对比，提出了基于分水岭的分割算法，实验表明，该算法取得了较好的效果。

关键词：图像增强，图像分割Research on Infrared Image Segmentation Algorithm of Target DetectionabstractIn 21 century, infrared technology plays a vital role in military and civilian fields.As the demand of the battlefield in the future of 21st century and increasing expansion of infrared technology in the civil field,infrared technology will play an increasingly important role. Infrared target recognition technology is the frontier of academics around the world and one of the hot issues. How to segment infrared images effectively related to the accuracy of the recognition.This article made some systematic studies in image enhancement and segmentation.This article provides an overview of the actual research status and developing current of the study of target enhancement and segmentation of infrared image. An in-depth study of the algorithm of image enhancement and segmentation is made. And the algorithms are verified by MATLAB software. Aim at generally methods of image segmentation such as histogram double-hump method、iterated method,、maximum entropy method and region growing method, after abundant experiments, we presented an image segmentation based on watershed. And the result shows the new algorithm has its advantage.Keywords: Image enhancement, Image segmentation目录1 绪论 (1)1.1 课题研究意义 (1)1.2国内外研究现状和发展趋势 (3)1.3本文主要内容和安排 (6)2 红外图像的预处理 (7)2.1灰度变换增强 (7)红外图像直方图特性 (7)红外图像直方图均衡化 (9)2.2图像的平滑去噪处理 (12)空间滤波基础 (12)均值滤波 (13)中值滤波 (13)2.3图像锐化 (15)空域锐化滤波 (15)拉普拉斯算子 (16)梯度法 (18)3 红外图像分割算法研究 (21)3.1图像分割简述 (21)图像分割定义 (21)图像分割方法 (22)3.2边缘检测 (23)几种常用的边缘检测算子 (23)边缘检测 (26)matlab实现 (27)3.3基于阈值选取的图像分割方法 (28)灰度阈值分割 (28)直方图阈值 (29)迭代法 (31)最大熵阈值 (32)3.4基于区域的分割方法 (34)3.5基于形态学分水岭分割算法 (35)基本概念 (35)分水岭计算步骤 (36)3.6本章小结 (38)4 总结 (39)5 附录 (40)参考文献 (47)致谢 (48)1绪论1.1课题研究意义“红外辐射”又称“红外光”，也有人称它为“红外线”。

基于灰度和局部熵迭代的红外目标分割算法

维普资讯
第２８卷第１期１２００６年１１月
红外技术
ＩｆａｅｅｈｏｏｙｎｒｒｄＴｃｎｌｇ
Ｖｂ．８ＮＯ１１２．１
Ｎｏ．２ｏｖ０６
基于灰度和局部熵迭代的红外目标分割算法
ａａｔｅｍｅｈｄｏｕｏａｉｈｅｈｌｅｅｔｎｂｓｄｏｅｉｒｖｄＯｔｕｔｒｓｏｄｎｓｇｖｎＴｋｎｄｐｉｔｏｆａｔｍｔｔｓｏｄｓｌｃｉａｅｎｔｍｐｏｅｓｈｅｈｌｉｇｉｉｅ．ａｉｇｖｃｒｏｈｈｒｙｌｖｌｓａｉｉｎｏａｎｒｐｆｔｅｕｔａｇｔａａｋｒｕｄｒｇｏｓａｃｅｏｏｔｅｇａｅｅｔｔｔｓａｄｌｃｌｅｔｏｙｏｅｒｓｌｔｔｒｅｄｂｃｇｏｎｅｉｎａｒｔｒｎｆｒｓｃｈｎａｎｉｉ
ｓｇｎａｉｎｓａｌａｔｍａｉａｌｅｃｒｉｄｏｔｂｓｇｉｒｔｎＴｅｒｓｌｏｘｅｍｅｔｓｏｈｔｅｅｍｅｔｔｈｌｕｏｔｌｂａｒｅｕｙｕｉｔａｉ．ｈｅｕｔｆｅｐｒｏｃｙｎｅｏｉｎｈｗｓｔａｈｔｍｅｏａｏｄａａｔｅａｄｉｆａｅｒｅｓｗｉｉｅｅｔｉｎｉｎＣｅｓｇｎｅｕｆｃｍｐｅｈｔｄｈｓａｇｏｄｐｉ，ｖｎｎｒｄｔｇｔｒａｔｄｆｒｎｍｅｓｏａｂｅｍｅｔｄｏｔｏｏｌｘｈｄｎｂｃｇｏｎｕｃｌ，ｏｌｔｌｎｐｄｙａｋｒｕｄｑｉｋｙｃｍｐｅｅｙａｄｒｉｌ．ａＫｅｒｓｉｆａｅａｅｓｇｎａｏ：Ｏｔｕｍｅｈｄａａｔｅｔｒｓｏｄｎｙｗｏｄ：ｎｒｄｉｇｅｍｅｔｔｎｒｍｉｓｔｏ：ｄｐｖｅｈｌｉｇ：ｅｕｐｉｈｎｏｙ

基于局部模糊熵与Otsu的图像阈值分割

２．ｅＳｅｏｄＡｒｉｌｒｇｉｅｒｎｌｅｅ， ’ ａｘ０２Ｃｈｎａ；ＴｈｃｎｔｌｙＥｎｎｅｉｇＣｏｌｇＸｉａＳｈｎｉ７１０５，ｉｅｎ
３ＴｅＭｌａｅｒｓｔｖｆｃｈｉｈａｇＳｉｚｕｎｅｅ００８，ｈａ．ｉｔＲｐｅｅａｅＯｉｉＳｉｚｕｎ；ｈｉｈａｇＨｂｉ５０１Ｃｉ）ｈｉｒｙｎｔｉｅｎｊａｊａｎ
ｔｒｓｏｄｎｇｅｔｔｎｍｅｈｓ．ｈｅｈｌｉｇｓｍｎｉｔｏｅａｏｄＫｅｙｗｏｒｓ：ｏａｕｚｎｒｐＯｔｕ；ｈｒｓｏｄ；ｍａｅｓｇｅｔｔｎ；ｍｂｒｈｐｆｎｃｏｄｌｃｆｚｙｅｔｏｙ；ｓｔｅｈｌｉｇｅｌｍｎａｉｍｅｅｓｕｔｎｏｉｉ
ｔｒｓｏｄｎｔｏａｅｎｏａｕｚｎｔｐｄＯｔｕｗａｒｓｎｅｅｅ．ｅｆｌｒｎｂｌｔｃｉｖｄｂｏａｕｚｎｐｍｐｖｓｔｅｈｅｈｌｉｇｍｅｈｄｂｓｄｏｌｃｆｚｙｅｒｙａｓｓｐｅｔｄｈｒＴｔｉｇａｉｉａｈｅｅｙｌｃｆｚｙｅ￣ｙｉｒｅｈｌｏｎｅｈｉｅｙｌｏａｉｉｆｔｅｐｐｅｔｏｏｄｅｔｏｓｓａｄｔｅａｔｍａｃｈｅｈｌｅｅｔｏｅｉｅｙＯｔｕｅｌｎｃｓｉｅｉｂｌｔＥｘｅｍｅｔｂｌｔｏｈｒｏｓｄｍｅｄｔａｗｉｎｉｅ，ｈｕｏｔｔｒｓｏｄｓｌｃｉｎｒａｚｄｂｓｒｙｏｈｌｈｎｉｌｈａｅｔｒｌａｉｉｓｙ．ｐｒｎｉ

基于熵的图像二值化算法设计-二维最大熵分割

1设计目的与要求1.1 设计目的(1)熟悉和掌握MATLAB程序设计方法。

(2)学习和掌握MATLAB图像处理工具箱。

(2)了解图像分割和图像二值化的原理。

(3)掌握图像二值化技术阈值的选取。

(4)将原彩色图像变为二值化后的图像，通过二维最大熵图像分割法对图像进行分割达到预期目的。

1.2 设计要求(1)了解图像变换的意义和手段。

(2)熟悉最大熵和二值化的基本性质。

(3)通过本实验掌握利用MATLAB编程实现数字图像处理。

(4)理解图像分割的原理，了解其应用，掌握最大熵和二值化分割的方法。

2 设计方案2.1 图像二值化图像二值化是数字图像处理技术中的一项基本技术，二值化图像的显示与打印十分方便，存储与传输也非常容易，在目标识别、图像分析、文本增强、字符识别等领域得到广泛应用。

图像二值化是将灰度图像转化为只有黑白两类像素的图像，大多采用阈值化算法处理。

在不同的应用中，阈值的选取决定着图像特。

征信息的保留。

因此，图像二值化技术的关键在于如何选取阈值。

2.2 最大熵原理最大熵原理：最大熵原理是在1957 年由E.T.Jaynes 提出的，其主要思想是，在只掌握关于未知分布的部分知识时，应该选取符合这些知识但熵值最大的概率分布。

因为在这种情况下，符合已知知识的概率分布可能不止一个。

我们知道，熵定义的实际上是一个随机变量的不确定性，熵最大的时候，说明随机变量最不确定，换句话说，也就是随机变量最随机，对其行为做准确预测最困难。

图像分割中最大熵的引入：在图像分割中若假定以灰度级T 分割图像，则图像中低于灰度级T 的像素点构成目标物体,高于灰度级T 的像素点构成背景那么各个灰度级在图像分割后的两区域中的概率如下：O ：ti N N (0<=i<=t) （3.2.1）B ：ti N N N - (t+1<=i<=255) （3.2.2）其中Ni 为图像中灰度级为i 的像素点个数，Nt 为灰度级从0～t 的像素点总和，N 为图像总像素点，t 为假定灰度阈值T 。

图像分割方法

图像分割方法图像分割是计算机视觉领域中的一个重要问题，它旨在将图像分成具有语义信息的区域。

图像分割在许多应用中都扮演着重要的角色，比如医学图像分析、自动驾驶、图像检索等。

针对不同的应用场景，有多种图像分割方法被提出并应用于实际问题中。

本文将介绍几种常见的图像分割方法，并对它们的原理和特点进行简要的分析。

1. 阈值分割。

阈值分割是一种简单而有效的图像分割方法。

其基本思想是将图像的灰度值按照设定的阈值进行划分，从而将图像分成不同的区域。

对于灰度图像，可以根据像素的灰度值与设定的阈值进行比较，将像素分为目标和背景两类。

阈值分割方法简单易行，但对光照变化和噪声敏感，对于复杂背景和多目标分割效果有限。

2. 边缘检测分割。

边缘检测分割是一种基于图像边缘信息的分割方法。

其基本思想是利用图像中目标与背景之间的边缘信息进行分割。

常用的边缘检测算子有Sobel、Prewitt、Canny等。

通过检测图像中的边缘信息，可以将图像分成具有明显边界的区域。

边缘检测分割方法对光照变化和噪声具有一定的鲁棒性，但在边缘连接处容易出现断裂和断点。

3. 区域生长分割。

区域生长分割是一种基于像素生长的分割方法。

其基本思想是从种子点开始，根据一定的生长准则逐步将与种子点相邻且满足条件的像素加入到同一区域中，直到满足停止准则为止。

区域生长分割方法适用于具有明显区域特征的图像，对于光照变化和噪声具有一定的鲁棒性，但对于种子点的选择和生长准则的确定比较敏感。

4. 基于深度学习的分割方法。

随着深度学习技术的发展，基于深度学习的图像分割方法逐渐成为研究热点。

深度学习模型如FCN、U-Net等在图像分割领域取得了显著的成果。

这些方法利用卷积神经网络对图像进行端到端的学习，能够有效地提取图像的语义信息，对于复杂背景和多目标分割效果较好。

总结。

图像分割是计算机视觉领域中的重要问题，有许多方法可以用来实现图像分割。

不同的方法适用于不同的应用场景，具有各自的特点和局限性。

基于Otsu准则及图像熵的阈值分割算法

ＸＩＡＯａｙｎＺＨＵｅｘｎＣｈｏｕ，Ｗｉｉｇ
（ｃｏｌｆｌｃｉｌｎｆｒｔｎＥｇｎｅｎ，ｉｎｓｉｅｓｙＺｅｊａｇ２２１）ＳｈｏｏｅｔｃｄＩｏｍａｏｎｉｅｒｇＪａｇｕＵｎｖｒｉ，ｈｎｉｎ１０３Ｅｒａａｎｉｉｔ
ｐｔｆｒｒ，ｗｈｃｓｂｓｄｏｅＯｔｕｔｒｓｏｄｓｌｃｉｇｍｅｏｕｏｗａｄｉｈｉａｅｎｔｓｈｅｈｌｅｅｔｔｄ．Ｂａｅｎｈｅｉｆｒａｉｎｏｎｔｏｙｏｍａｅｐｘｌ，ａｐａｔｅｕｓｖｈｎｈｓｄｏｔｎｏｍｔｆｅｒｐｆｉｇｉｅｓｒｉｒｃｒｉｅｏｌａａｇｒｔｍｅｅｒｈｏｔａｈｅｈｌＩｏｎｙｒｄｃｓｔｅｒｎｉｇｔｍｅｂｕｓａｅｔｒｓｌ－ｄｐａｉｉＷｉｉｌｏｔｍ，ｅｉｇｌｏｉｈｉｕｓｄｔｓａｃｐｉｌｔｒｓｏｄ．ｔｔｏｌｅｕｅｈｕｎｎｉ，ｔｏｈｓｂｔｅｅｆａａｔｂｌｔｓｏｃｎｌａｙ．ｔｔｓａｇｒｈｔｈｈｉｈｍａｅｃｎｂｅｍｅｅｆｅｔｅｙｅｅｆｔｓｕｅｅｎｏｉｇｅｍｏａｒｂｍｏａｎ．ｈｅｓｇｎａｉｎｒｓｌｈｓｍｏｅｄｅａｌ，ｉｈｉｏａｅｓｇｎｔｄｅｆｃｉｌｖｎｉｎｖｎａｄｎｔｔｓｎｌ — ｄｏｉｄｌｏｅＴｅｍｅｔｔｅｕｔａｒｔｉｓｗｈｃｓｇｏｄｖｉｉｈｅｌｏｔｅｆａｕｅｅｔａｔｏ．ｘｅｍｅｔｗｉｈＬｅａｉｇａｅａｄｇｄｒｓｌｉｏｔｉｅｏｔｅｔｒｘｃｉｎＡｎｅｐｒｎｔｎｈｒｉｍａｅｉｍｄｎｏｏｅｕｔｓｂａｎｄ．ｓ

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

验有ｎ个结果ｘｉ＝１，ｚＸ发生的概率为Ｐ，＝Ｘ（， …，，ｉｉ２）ｆ
则申农信息熵为：
收稿日期：２０ —４２０６０ —４作者简介：张永亮（９９，男，国防科学技术大学ＡＲ实１７一）Ｔ验室博士研究生，从事图像处理技术、自动目标识别技术、实时系统与专用集成电路技术的研究。基金项目：国家８３高技术研究发展计划资助项目６（号：２０ＡＡ８３９）编０４５０３
ｌｃｌｅｔｐｆｉｇｒｒｓｎｅ．Ｔｅｍｅｈｄｅｉｉａｅｍｐｌｅｎｉｅｙｍｅｉｌｒｎｈｎｏａｎｏｙｏｍａｅｗｅｅｐｅｅｔｄｈｔｏｌｎｔｓｉｕｓｏｓｓｂｄａｆｔｉｇｔｅｒｍｎｉｅｅｔｃｓｅｇｓｂｓ ’ ｔｒｓｏｄｎａｅｎｌｃｌｎｒｐｆｉｇ，ｏｎｃｓｄｓｒｔｄｅｎｅｅｔｘａｔｄｅｙＯｔｕＳｈｅｈｌｉｇｂｓｄｏｏａｔｙｏｒｅｏｍａｅｃｎｅｔｉｃｅｅｅｇｓａｄｄｔｃｓ
ＩｆａｅｍａｅＳｇｅｔｔｏｓｄｏｃｌｔｏｙｏａｅｎｒｒｄＩｇｅｍｎａｉｎＢａｅｎＬｏａＥｎｒｐｆＩｇｍ
ＺＨＡＮＧｏｇｌｎ，ＬＵａ — ｈｎＹｎ —ｉｇａＨｕｎｚａｇ
ｏｊｃｅｉｎ．ｘｅｍｅｔｏｏｎｒｅｍａｅｋｔｓｃｅｈｔｈｔｏｅｅｔｏｊｃｂｅｔｒｇｏｓＥｐｒｎｓｎｓｍｅｉｆｄｉｇｓｍａｅｉｗａｌｔａｔｅｍｅｄｄｔｃｓｂｅｔｓｉｒａｒａｈ
基于图像局部熵的红外图像分割方法
张永亮，卢焕章
（国防科学技术大学ＡＲ实验室，湖南长沙４０７）Ｔ１０３
摘要：分析了图像局部熵的性质，提出了一种基于图像局部熵的红外图像分割方法。该方法首先进行中值滤波消除图像脉冲噪声，然后计算图像局部熵进行阈值选择提取目标边缘，最后进行边缘连接分割出目区域。对不同红外图像进行的仿真试验表明了该方法的有效性。标关键词：图像局部熵，边缘提取，图像分割，中值滤波中图分类号：Ｔ９１３Ｎ１．７文献标识码：Ａ文章编号：１０．８１２０）１０５．５０１８９（０６１．６６０
维普资讯
第２８卷第１期１２００６年１月１
红外技术
ＩｆａｅｅｈｏｏｙｎｒｒｄＴｃｎｌｇ
Ｖ１８Ｎｏ１０２＿．．１ＮＯ．２ｏＶｏ６
（图像处理与仿真）
（ＴｂｆａｉａｎｖｒｉＤｅｎｅｅｈｏｏｙＣａｇｈｎｎ１０３Ｃｉ）ＡＲＬＮｔｎｌｉｅｓｙｏｆｃｃｎｌ，ｈｎｓａＨｕａ０７，ｈｎａｏｏＵｔｆｅＴｇ４ａ
Ａｂｔａｔｈｒｐｒｆｏａｅｔｐｆｍａｅａｄａｏｅｍｅｏｆｎｒｒｄｂｅｔｄｔｔｇｂｓｄｏｓｒｃ：Ｔｅｏｅｔｏｃｌｎｒｙｏｇｎｖｌｔｄｏｆｅｊｃｓｅｅｉａｅｎｐｙｌｏｉｎｈｉａｏｃｎ
连接和图像填充完成图像分割，获得目标区域。该方法可以很好地对复杂环境获取的红外图像进行分割，获得目标区域进行后续识别处理，方法简单，
计算量小，易于通过硬件加速技术提高方法的实时性，这对于战场环境目标的检测识别具有重大价值。
成像器件本身性能带来脉冲噪声的影响；３）图像细
缘灰度变化较明显的图像效果较好，但实际获取的图像是比较复杂的，应用这些算法效果并不理想。究其
原因，主要存在以下几点：１像环境复杂，人造目）成标与自然背景在灰度上差别不明显，或者目标区域各部分灰度不均匀；２）红外图像噪声影响严重，尤其是
ｒｇｏｓｆｅｔｅｙｅｉｎｃｉｌ．ｅｖＫｅｒｓｌｃｌｎｏｙｏａｅｅｇｓｘｒｃｏ；ｉａｅｓｇｎａｉｎｍｅｉｎｆｔｒｙｗｏｄ：ｏａｔｐｆｍｇ：ｄｅｔｔｎｍｇｅｍｅｔｔ；ｅｒｉｅａｉｏｄａｌｉｅ
节较多，提取的图像边缘复杂，据此难以对图像进行分割检测出目标。为了提高红外图像分割方法的适应性，通过分析图像局部熵的性质，出了一种基于图像局部熵的红外目提
１图像局部熵的概念及性质
熵的概念用于表征事物状态的不确定性，申农把玻尔兹曼公式广义化提出信息熵的概念［。设一个试３】
引言
基于灰度阈值分割的图像分割算法【图像边１对卫
标检测方法。首先进行中值滤波消除红外图像中的脉冲
噪声，中值滤波同时保护了图像边缘，到了图像增强达
的目的；然后计算图像局部熵，根据目标边缘局部熵值
较小的性质通过阈值分割提取图像边缘；最后进行边缘