【摘要】：熵流是研究利用类似于运动物体在人的视觉网膜上连续运动形成的二维网膜速度，研究熵图序列中像素强度的时域变化和相关性来确定各自像素位置的运动。类似光流，熵流求解具有不适定性。低纹理、变化平缓的图像区域熵流估计不准确，但是纹理丰富、变化陡峭的图像区域熵流估计较准确。基于熵流检测的运动区域一般既包含目标又含有背景，引入图像的局部结构信息，结合置信度因子修正熵流、降低背景成分。
熵流是研究利用类似于运动物体在人的视觉网膜上连续运动形成的二维网膜速度，研究熵图序列中像素强度的时域变化和相关性来确定各自像素位置的运动。类似光流，熵流求解具有不适定性。低纹理、变化平缓的图像区域熵流估计不准确，但是纹理丰富、变化陡峭的图像区域熵流估计较准确。图像的局部结构信息并不仅仅表现为图像的梯度，而且还可以通过局部结构张量来描述［1 14 － 1 15］。表达式(6.6)定义局部结构张量、特征值。
对图像而言，低纹理、变化平缓的区域对应特征值之和较小，纹理丰富区域、变化陡峭的区域对应特征值之和较大，特征值之和较大的区域熵流估计较准确。基于熵流检测的运动区域一般既包含目标又含有背景，引入图像的局部结构信息，结合置信度因子修正熵流、降低背景成分。
其中Gp表示为高斯平滑函数，λ1 与λ2 表示特征值，Jp 表示局部结果张量，l 表示置信度因子。(www.xing528.com)
首先根据置信度因子直方图确定阈值，然后通过阈值判决保留可靠的熵流估计，剔除不可靠的熵流估计，最后依据(6.7)式用邻域熵流估计加权计算熵流。通过估计纹理丰富、变化陡峭的图像区域占图像总区域比例，从而依据置信度因子直方图确定阈值。
其中V 表示熵流场，lA 表示邻域3×3 空间的置信度因子和，α 为置信度因子阈值。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
