输入彩色图像，转化为灰度图像后，进行图像信息熵（一维和二维）、互信息等计算和对比分析。

基于信息熵特征的，构建SVM BP分类器对信号进行分类技术

提出一种目标检测算法，首先选取视频的第一帧作为背景帧，运用加权累加图像方法更新背景图像，背景图像的更新速率通过相邻帧的差分结果决定，再运用背景差分算法提取出运动目标。计算运动目标的区域的熵值，通过熵值判断出特征目标。实验结果表明，该算法简单，稳定性好，能够较好解决动态背景的问题并且检测出特定目标。

6种图像评价原理（UCIQE、UICM、PSNR、SSIM、等效圆偏检测、图像信息熵）

子图查询是指输入一个图数据库和查询子图, 输出图数据库中包含查询子图的图集合, 它广泛应用于社会网、生物网和信息网的查询应用中。目前的子图查询算法大多采用静态消耗测算模式, 此类测算模式在图中点数和连接边数呈指数分布时, 会在少数节点上花费较多时间遍历其邻节点, 导致查询算法效率低下。根据信息熵在信息度量中的作用, 将条件信息熵作为启发式匹配的依据, 提出了基于信息熵的子图匹配算法。实验表明, 基于信息熵的子图匹配算法具有更高的查询效率, 且在指数分布的数据集上效果更明显。

图像去雾源算法以及去雾后图像质量评价方案的matlab仿真，包括PSNR,WPSNR，信息熵，对比度，均值，平均梯度以及无参评价

本文是图像分割技术在医学图像上的应用。MaximumShannoninformationentropysegement

最大信息熵原理已被成功地应用于各种自然语言处理领域,如机器翻译、语音识别和文本自动分类等,提出了将其应用于互联网异常流量的分类。由于最大信息熵模型利用二值特征函数来表达和处理符号特征,而KDD99数据集中存在多种连续型特征,因此采用基于信息熵的离散化方法对数据集进行预处理,并利用CFS算法选择合适的特征子集,形成训练数据集合。最后利用BLVM算法进行参数估计,得到满足最大熵约束的指数形式的概率模型。通过实验,比较了最大信息熵模型和Naive Bayes、Bayes Net、SVM与C4.5决策树方法之间的

可以计算图像信息熵的代码，很好用哦，可以下下来进行一些图像处理

图象的一维熵可以表示图像灰度分布的聚集特征，却不能反映图像灰度分布的空间特征，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的二维熵。 选择图像的邻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表示领域灰度均值(0<=j<=255)，即可 反应某像素位置上的灰度值与其周围像素的灰度分布的综合特征，其中f(i,j)为特征二元组(i,j)出现的频数，N为图像的尺度，定义离散的图像二维熵为： 依此构造的图像二维熵可以在反映图像所包含的信息量的前提下，突出反映图像中像素位置的灰度信息和像素邻域内灰度分布的综合特征。