Entropy của Shannon cho một hình ảnh

Entropy của Shannon [plog (1 / p)] cho hình ảnh là phương pháp xác suất để so sánh hai pixel hoặc một nhóm pixel. Giả sử hình ảnh có ma trận 3x3 có giá trị cường độ pixel

1 1 2
2 3 3
4 4 5

và một hình ảnh khác với ma trận 3x3 có nhóm pixel có giá trị cường độ

5 5 6
6 7 7
8 8 9

Sau đó, entropy của shannon cho các hình ảnh sẽ giống nhau. Trong trường hợp này, các giá trị entropy sẽ chỉ ra rằng các hình ảnh giống nhau mặc dù trên thực tế chúng khác nhau. Vì vậy, việc khớp hình ảnh bằng cách sử dụng kỹ thuật này không giúp ích. Tôi phân loại một hình ảnh dựa trên cơ sở dữ liệu được đào tạo về entropy của shannon, chúng tôi sử dụng khái niệm entropy để tìm sự tương đồng giữa hai hình ảnh. Có phương pháp hay tài liệu nghiên cứu nào mà entropy này có thể được sử dụng hoặc sửa đổi để phù hợp với hình ảnh cho trường hợp trên không ..?

Entropy của Shannon hoạt động như một hàm băm hoặc dấu vân tay ở đây; họ không đơn ánh có nghĩa là chúng ta phải cẩn thận không để giải thích quá nhiều vào mối quan hệ của các giá trị.

Nếu , thì hình ảnh và chắc chắn không giống nhau.$H(I_1) \neq H(I_2)$$I_1$$I_2$

Tuy nhiên, nếu (hoặc thậm chí ), tuy nhiên, chúng tôi không biết gì. Các hình ảnh có thể giống nhau, nhưng các giá trị cũng có thể bị đóng do không tiêm.$H(I_1) = H(I_2)$$H(I_1) \approx H(I_2)$

Chúng tôi muốn có một số độ mượt mà, đó là hai hình ảnh khác nhau hơn nếulớn hơn. Cho dù đây là trường hợp chắc chắn là một tiêu chí chất lượng của các chức năng vân tay như vậy. Lấy ví dụ của bạn, có vẻ như entropy không phải là dấu vân tay tốt theo nghĩa này.$|H(I_1) - H(I_2)|$

Sẽ là khó hiểu nếu bất kỳ loại entropy nào. Bất kỳ hình chữ nhật có một màu không chứa thông tin (entropy zero), nhưng hai hình chữ nhật có màu khác nhau cũng giống như hai hình ảnh có được.

Tôi nghĩ rằng đây là một ý tưởng tuyệt vời. Nhưng bạn sẽ không thể sử dụng nó để khớp hình ảnh nữa mà bạn có thể hy vọng rằng một hình ảnh "nhiễu trắng" sẽ khớp với hình ảnh khác. Nhưng đó là một ý tưởng tuyệt vời để tìm các loại hình ảnh tương tự .

Một cách tiếp cận liên quan sẽ là tính toán biểu đồ cường độ điểm ảnh cho mỗi trong hai hình ảnh, sau đó so sánh hai biểu đồ đó. Thông thường hơn, chúng tôi sẽ tính toán biểu đồ của một số phép đo màu (ví dụ: màu sắc), thay vì cường độ pixel. Đây là một biện pháp thô sơ đôi khi có thể hữu ích: ví dụ, để phân biệt một bức tranh của một phòng với một bức tranh của một phòng khác (ví dụ, nếu các bức tường của chúng được sơn màu khác nhau, hoặc chúng có sự phân bố màu khác nhau).

Có nhiều cách để so sánh hai biểu đồ. Bạn có thể nghĩ mỗi biểu đồ là một phân phối cho một số biến ngẫu nhiên, và sau đó so sánh hai phân phối bằng cách sử dụng một số phương thức. Chẳng hạn, bạn có thể so sánh chúng bằng cách sử dụng phân kỳ KL. Một cách tiếp cận khác là sử dụng bất kỳ thước đo khoảng cách tiêu chuẩn nào trên không gian vectơ, ví dụ:${\cal L}_2$thước đo (tổng của sự khác biệt bình phương). Bạn thường muốn bin các giá trị trước, trước khi tính toán biểu đồ.

Xem thêm

• https://stackoverflow.com/q/6499491/781723

• http://docs.opencv.org/doc/tutorials/imgproc/histograms/histogram_comparison/histogram_comparison.html