标签：Loss 信息量 Signal Detection 画面 二维 丢失 信号 图像

1 图像二维熵

​图像二维熵作为一种特征评价尺度能够反映出整个图像所含平均信息量的高低，熵值(H)越大则代表图像所包含的信息越多，反之熵值(H)越小，则图像包含的信息越少。对于图像信息量，可以简单地认为图像的边缘信息越多则图像的信息量越大。

2 信号丢失检测

2.1 画面对比

• ​由于信号丢失所产生的画面大部分均由简单的纯色或少色的人造图像，再加上“信号丢失”提示信息所构成，因此信号丢失画面的信息量与正常图像相比较低。例如：
  
  上图所示的信号丢失画面由黑色屏幕加上信号丢失提示组成，画面简单，信息量较低。

• 而正常画面具有更多的边缘信息，
  
  因此图像的信息量相较于信号丢失画面由明显差别。

2.2 信号丢失检测结果分析

通过对图像计算二维熵值，并设置合理阈值(Threshold)便能达到信号丢失画面检测的目的。检测结果如下：

• 一张正常图像的二维熵值通常较高，说明图像中存在较多的边缘信息，不存在信号丢失现象。
  

• 作为最为常见的信号丢失情况，纯色背景的信号丢失图像的二维熵值极小，表明画面存在信号丢失异常。
  

• 彩色背景的信号丢失图像使用频率虽然不如纯色背景高，但也有大量的应用场景，通过计算它的二维熵值，发现其二维熵值虽然较纯色信号丢失图像更大，但依旧不高，依然可以判断图像存在信号丢失异常。
  

标签：Loss,信息量,Signal,Detection,画面,二维,丢失,信号,图像
来源： https://www.cnblogs.com/pandalu/p/16560376.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。