天际线检测在很多方面具有重要作用,但目前检测算法只能满足于简单背景下的天际线检测。在一般的室外烟雾检测系统中,受摄像头的抖动、大气流动等因素的影响,会使检测算法在天际线附近的云雾被误报为烟雾,导致烟雾报警的准确率下降。天际线的检测并进行预处理是降低误报率的重要手段。信息论当中,信号分为确定与随机两类,图像信号因为背景的复杂度与噪音的干扰不确定性被归为随机信号,而熵是唯一的一种能确定随机信号变化量的一种方法。鉴于此,本文提出一种基于图像当中的灰度熵的天际线检测算法。本方法首先是对所获取的图像进行去雾的预处理,使用何凯明博士的暗通道去雾方法,而后,对预处理过后的图像分析其图像灰度熵的先验,并运用高斯滤波进行去噪处理后,计算图像列方向上各像素点的灰度熵。计算方法为:以此点为分割点,将该列分割为上、下两个部分,使用整列的灰度熵减去上、下两部分灰度熵的和,结果取负,构建为该点的熵减系数。熵减系数的结果为正的点就属于满足天际线先验的点。对满足天际线先验的点进行筛选平滑就可以得到天际线。使用灰度熵构建每个点对于所在列的熵减系数,考虑了图像的整体分布,减少了局部噪声的影响,再进行筛选平滑前就可以得到天际线的稀疏解。当然,此方法在图像列中我们得到分割点获得不止一个分割点,而是一系列点。通过多次试验调整和选点策略的优化获得最佳坐标,然后使用选择的点对图像进行分割拟合。综上所述,本文将详细讨论基于灰度熵的天际线检测算法,并与常用天际线检测算法进行比较;而后,进一步讨论灰度熵变体的选点策略以及其拟合函数优化问题,以达到更高的普适性。实验结果表明:在复杂的背景下进行非直线天际线的检测,通过此方法得出的效果,通常是优于其他常用方法的检测效果。