多向加权Tsallis熵最大化导向的自动阈值分割方法

受噪声或随机细节、目标和背景的大小比例、成像时的点扩散等不同因素的影响,许多图像的灰度直方图呈现为无模态、单模态、双模态或者多模态样式.为了在统一框架内处理这4种不同模态情形下的自动阈值选择问题,本文提出了一种多向加权Tsallis熵最大化导向的自动阈值分割方法(Multi-directional Weighted Tsallis Entropy,MWTE).基于新设计的反正切方向性卷积核的多尺度乘积效应,该方法将不同模态的灰度直方图转化为统一的单模态右偏灰度直方图.在4个不同方向上提取出这种特殊的单模态右偏灰度直方图后,通过多向加权策略构建出与原始图像灰度值紧密相关的加权Tsallis熵目标函数,并以该目标函数取最大值时对应的灰度值作为最终分割阈值.本文将提出的方法和3个阈值分割方法、1个软分割方法、1个活动轮廓分割方法以及1个自动聚类分割方法进行了比较.在4种不同模态情形下的4幅合成图像和50幅真实世界图像上的实验结果表明,本文提出的方法虽然在计算效率方面不占有优势,但它对不同模态的测试图像具有更稳健的分割适应性,且在量化分割精度所用的马修斯相关系数方面优于其他6个分割方法.

Tsallis相对熵引导的包裹相位修补

齿轮齿面形貌激光干涉测量中,由于容易受到多种噪声干扰,采集到的包裹相位图中会存在相位质量差的区域,解包路径经过这些区域会造成解包裹错误,降低测量精度。针对这一问题,根据干涉条纹图像的概率分布特点,本文提出一种基于Tsallis相对熵质量评价的包裹相位修补方法。该方法先利用高斯分布拟合阈值处理后的图像,再由Tsallis相对熵评价相位质量,最后修补质量较差的区域以提高相位解包裹质量。设计对比实验验证本方法的有效性,实验结果表明,该方法可以减少40%的相位残差点,并且有效提高了相位质量。该方法使用简单,准确率高,同样适用于其他移相光学领域。

基于多尺度多方向Gabor变换的Tsallis熵阈值分割方法

为了能在统一框架内处理无模态、单模态、双模态或者多模态直方图情形下的自动阈值选取问题,该文提出一种基于多尺度多方向Gabor变换的Tsallis熵阈值分割方法(MGTE)。该方法先通过Gabor变换得到多尺度乘积图像,然后利用内外轮廓图像从多尺度乘积图像中重构1维直方图,并在重构1维直方图上采用Tsallis熵计算模型来选取4个方向Tsallis熵取最大值时对应的阈值,最后对4个方向的阈值进行加权求和作为最终分割阈值。将提出的方法和5个分割方法在4幅合成图像和40幅真实世界图像上进行了实验。结果表明提出的方法虽然计算效率不占优势,但它的分割适应性和分割精度有明显的提高。

基于Tsallis相对熵的DEMATEL阈值确定研究

目前现有的决策试行与评价实验室(DEMATEL)中阈值的确定存在着主观随意性强、阈值偏大、阈值求解不稳定等缺陷,为解决上述问题,提出了基于Tsallis相对熵的DEMATEL阈值确定新方法。首先基于质量控制理论对专家打分表进行了筛选。然后利用证据理论融合专家意见,从众影响关系中选出最重要的影响因素,并将其影响关系的大小作为阈值上限。最后利用区间对矩阵元素信息的概率分布进行了定义,并选取Tsallis相对熵最小时对应的分割阈值作为最终阈值。通过与其他方法的对比分析,基于Tsallis相对熵的阈值确定方法能有效去除系统中的冗余信息,且使用时更具有一般性,实例计算也验证了整个阈值确定流程的可操作性。

快速二维累积剩余Tsallis熵阈值分割方法

对灰度直方图呈现为双峰的图像,传统的二维直方图阈值分割方法虽然比较有效,但在灰度直方图呈现为无峰、单峰或多峰模式时,它们的分割结果较差。考虑到经过二维直方图映射得到的二维生存函数存在密度连续和形态统一等优点,本文基于图像二维生存函数提出一种快速二维累积剩余Tsallis熵阈值分割方法。该方法首先基于二维直方图构造二维生存函数,然后在二维生存函数的基础上定义计算分割阈值的二维累积剩余Tsallis熵目标函数。通过递推算法将计算目标函数的时间复杂度降为O(L^(2))。最后,基于递推形式的二维累积剩余Tsallis熵准则得到最优阈值向量以进行阈值分割。在26幅合成图像和76幅真实世界图像上将提出的方法与2种快速二维阈值分割方法、2种聚类分割方法以及1种活动轮廓分割方法分别在时间和误分类率(Misclassification Error,ME)2个指标下进行了比较。实验结果表明,在合成图像和真实世界图像中,相比于性能第2的方法,本文方法的时间平均缩短0.013 s,ME值平均降低0.051~0.089。提出的快速二维累积剩余Tsallis熵阈值分割方法不仅在计算效率方面优于对比的5种方法,而且在分割适应性和分割精度方面具有明显优势。

基于Tsallis熵的近似差分隐私K-means算法

利用K-means算法对用户信息进行聚类时,存在隐私泄露的风险。差分隐私保护技术可提供严格的隐私保护,但目前大多数满足差分隐私的K-means算法在处理多维数据时,存在随机选择质心和噪声添加不均衡的问题,因而导致聚类结果不理想。为此,本文提出一种基于Tsallis熵的近似差分隐私K-means算法。针对质心选择的随机性问题,提出Tsallis熵对属性赋权的策略来优化对象间的欧氏距离,然后对比各对象到唯一随机初始质心的赋权欧式距离来确定其余初始质心,使算法在减少随机选择初始质心的同时,提高模型准确率;在此基础上,针对噪声添加不均衡的问题,提出一种能够平衡信噪比的隐私预算分配策略,然后对迭代质心加入高斯扰动,使算法在不增加计算复杂度的情况下满足(ε,δ)-差分隐私保护,同时提升扰动结果的准确性;最后在四个真实数据集上对算法进行有效性评价。实验结果表明,所提出的算法能够在保证用户隐私安全的同时实现高效用的聚类。

基于Tsallis熵的两点法确定明渠断面流速分布及数值模拟验证

在现代农业灌溉中,为了得到明渠断面的流量,首先需要确定明渠断面的流速分布,然而以往的流速分布公式大都不够准确,无法满足精准灌溉的需求,针对这一难题,在基于Tsallis熵推导流速分布的基础上,对熵参数重新推导,提出新的熵参数,进一步简化了流速分布公式,提出两点法确定断面流速分布的研究方法,并结合实测资料和数值模拟软件进行验证。结果表明:通过测量水面下断面中心线上一点流速值u_(c)与相同水深下另一点的流速值u_(z),可计算出流速分布公式中两个未知参数G_(p)、m_(p),确定该水深位置横向流速分布公式,再通过已知参数计算出断面最大流速u_(max),并确定断面中心线流速分布公式。与以往的流速分布公式相比,两点法更加简便,能够较好的应用在工程实际中,具有较高的理论意义和实用价值。

基于多尺度小波和Tsallis熵的水下图像边缘检测

针对水下图像对比度低和边缘模糊的问题,提出一种基于多尺度小波和Tsallis熵的水下图像边缘检测算法。首先,结合多尺度小波分解特性,采用开放暗通道模型移除低频雾霾现象和软阈值操作降低高频噪声;其次,采用二维高斯函数构造高斯尺度空间进行背景估计,以区分背景与目标信息;最后,结合信息熵和Tsallis熵求得最优阈值,从而得到边缘检测图像。实验结果表明,该算法能有效检测出退化水下图像的边缘轮廓信息,去除虚假边缘情况,准确提取图像的特征边缘。同时应用测试显示,该算法在大气雾霾图像的边缘检测方面表现出色。

基于改进PSO的三维Tsallis熵图像分割

针对二维Tsallis熵图像分割不精确以及优化图像阈值分割函数的元启发式优化算法容易陷入局部最优这两个问题,提出了一种新的三维Tsallis熵阈值分割法以及一种新的改进粒子群优化算法。通过引入均值、中值、梯度三种因素,构建出三维直方图,并结合Tsallis熵理论提出了一种三维Tsallis熵阈值分割法。为了避免粒子群优化算法陷入局部最优,通过引入综合学习策略并改进粒子群优化算法的迭代方式,提出了综合学习改进粒子群优化算法。将提出的三维Tsallis熵阈值分割法与综合学习改进粒子群优化算法结合进行图像分割。与其他元启发式算法相比,综合学习改进粒子群优化算法能在低维环境下有效避免局部最优。实验结果表明相比于二维Tsallis熵阈值分割法,三维Tsallis熵阈值分割法分割效果更好,且具有更好的抗噪性能。由此可以表明综合学习改进粒子群优化算法结合三维Tsallis熵进行图像分割可以取得更好的结果。

基于Tsallis熵和近似熵的认知事件相关电位动态复杂度分析

提供了两种分析认知事件相关电位(ERP)复杂度动态变化的估计算法———时变Tsallis熵(ETsEn)和时变近似熵(EApEn),并将其应用于分析Stroop任务中ERP的动态复杂度.实验发现:ETsEn比EApEn能更好地反映不同刺激类型的ERP复杂度差异;EApEn比ETsEn能更准确地体现ERP复杂度随时间变化的规律.额区、中央区和顶区的ERP的ETsEn和EApEn在刺激前、刺激处理过程中、刺激处理后均有显著差异,即在刺激前熵较大且无明显变化,刺激处理过程中熵显著减小,刺激处理完成后熵恢复至刺激前状态,其变化的时序与行为数据基本一致.结果证明了时变的Tsallis熵和近似熵对动态复杂度从不同方面度量的有效性,为客观度量ERP的复杂度提供了新方法.

基于最小Tsallis交叉熵的阈值图像分割方法

利用Tsallis熵的非广延性(nonextensivity),本文提出了一种最小Tsallis交叉熵阈值分割方法。该方法通过引入一个参数q,在阈值的选择过程中不仅考虑了目标和背景之间的信息量差异,而且考虑了目标和背景之间的相互关系,克服了传统最小交叉熵忽略目标和背景之间的相互关系所导致的阈值选择不恰当的缺点。实验结果表明,通过选择合适的参数q,所提出方法的分割效果明显优于传统的最小交叉熵阈值法。

融合量子克隆进化与二维Tsallis熵的医学图像分割算法

针对进化算法用于图像分割时收敛速度慢、易早熟的缺点,提出一种改进的量子克隆进化算法.首先利用量子空间的多样性丰富种群信息,在量子变异中根据适应度的不同对个体施以不同的混沌扰动,以克服量子门旋转方向单一、大小固定的缺陷,避免种群陷入局部早熟;然后利用克隆算子将最优个体信息扩充至下一代,以提高其局部寻优能力,加快收敛速度;最后将此算法用于寻找二维Tsallis熵的最佳阈值,实现了对图像的分割.实验结果表明,该算法有效地解决了进化算法收敛速度慢和容易陷入局部极值的问题,而且在分割速度和精度上得到了较大提高,分割效果良好,可以满足医学图像三维重建要求.

输电线路故障层次化变步长Tsallis小波奇异熵诊断方法

为提高熵方法输电线路故障信号时-频域的特征提取能力,提出层次化变步长Tsallis小波奇异熵(Tsallis Wavelet Singular Entropy,TWSE)方法用于电力系统故障诊断。首先,对采集到的电压信号进行小波分解与单支重构,构建时-频矩阵;之后,将奇异值分解与Tsallis熵理论相结合,对该时-频矩阵求滑动步长为1的Tsallis奇异熵,确定故障发生时刻;然后,对故障发生后1周期内的三相电压重构系数求滑动步长为1/4周期的TWSE,构建用于故障诊断的特征向量;最后,将TWSE特征向量输入到极限学习机(Extremly Learning Machine,ELM)分类器中,实现输电线路故障诊断。仿真结果表明,新方法具有更好的故障暂态信号特征表现能力,且分类结果不受故障时间、过渡电阻和故障位置等因素影响,相较基于小波奇异熵的线路故障诊断方法具有更好的诊断效果。

基于Tsallis熵与层次化混合分类器的含未知故障断路器机械故障诊断

为提高断路器机械振动信号特征提取效率,避免将无训练样本未知类型故障误识别为正常样本或错误已知故障,提出一种断路器机械状态监测与故障诊断新方法。首先,将断路器机械操动机构振动信号进行时域分割,对分割后的各段信号分别直接提取7种特征,构成特征向量;通过散布矩阵分析特征分类能力,确定以Tsallis熵特征分析断路器机械故障。然后,将特征向量输入到基于单类支持向量机(OCSVM)与极限学习机(ELM)的层次化混合分类器中开展故障诊断。在混合分类器中,首先由OCSVM区分正常与故障状态;如为故障状态,则使用ELM识别故障类型,之后再以OCSVM校正ELM识别结果。通过实际断路器振动数据开展实验证明,散布矩阵能够有效分析特征的类可分性,时域分割提取特征效率高,层次化混合分类器不仅能够准确识别断路器机械状态与故障类型,而且可有效识别无训练样本未知故障类型数据。

基于二维对称Tsallis交叉熵的小目标图像阈值分割

现有的阈值分割方法应用于目标与背景面积相差悬殊的小目标图像时,几乎都失效。为此,提出了基于对称Tsallis交叉熵及背景与目标面积差的小目标图像阈值分割方法。对称Tsallis交叉熵准则能确保准确分割时目标和背景内部的灰度均匀,而背景与目标面积差可抑制均等分割的趋势,二者综合构成了更为合理的阈值选取准则函数。首先导出了一维阈值选取公式;然后经推广得到基于二维斜分对称Tsallis交叉熵及背景与目标面积差的阈值选取公式,给出了其快速递推算法及相应的简化方法。大量实验结果表明:与目前性能较优越的二维斜分Otsu、最大熵、非对称交叉熵阈值分割方法相比,所提出的方法在小目标图像分割效果上具有极为明显的优势。

二维直方图准分的Tsallis熵阈值分割及其快速实现

传统二维Tsallis熵阈值法主要由于对二维直方图采用近似假设等原因,导致分割结果不够准确,由此提出了基于二维直方图准分的Tsallis熵快速图像分割方法。首先,准确选择邻域模板构建二维直方图并将Tsallis熵法用于此直方图上以便提高分割性能;然后,舍弃二维直方图中关于主对角区域的概率和近似为1的假设而准确计算使阈值选取更准确;最后,结合Tsallis熵公式对二维直方图进行分析得到其特性和2个定理,利用此特性和2个定理导出新型、快速的递推算法来降低计算复杂度。实验结果表明,与传统二维Tsallis熵法相比,所提出的方法不仅分割更准确和抗噪性更强,而且占用的存储空间和运行时间都更少。

基于二维Tsallis熵的改进PCNN图像分割

为了改善图像分割的性能,采用改进的脉冲耦合神经网络(PCNN)进行分割,通过对其内部活动项进行空不变的单阈值化分割,来达到对原图像空变阈值化分割效果.另外分割准则也作了修正,通过计算图像二维直方图的Tsallis熵,得到二维Tsallis熵,以此作为图像分割准则.最后,修正了动态门限项的下降速度,使得PCNN收敛更快.实验证明二维Tsallis熵准则优于最大Shannon熵准则与最小交叉熵准则,且改进的PCNN模型比传统PCNN模型收敛更快.

密度泛函活性理论中的Rényi熵,Tsallis熵和Onicescu信息能（英文）

根据密度泛函理论,分子的电子密度确定了该体系基态下的所有性质,其中包括结构和反应活性.如何运用电子密度泛函有效地预测分子反应活性仍然是一个有待解决的难题.密度泛函活性理论(DFRT)倾力打造这样一个理论和概念架构,使得运用电子密度以及相关变量准确地预测分子的反应特性成为可能.信息理论方法的香农熵和费舍尔信息就是这样的密度泛函,研究表明,它们均可作为反应活性的有效描述符.本文将在DFRT框架中介绍和引进三个密切相关的描述符,Rényi熵、Tsallis熵和Onicescu信息能.我们准确地计算了它们在一些中性原子和分子中的数值并讨论了它们随电子数量和电子总能量的变化规律.此外,以第二阶Onicescu信息能为例,在分子和分子中的原子两个层面上,系统地考察了其随乙烷二面角旋转的变化模式.这些新慨念的引入将为我们深入洞察和预测分子的结构和反应活性提供额外的描述工具.

中值邻域二维最小交叉Tsallis熵的快速图像分割

鉴于邻域窗口影响二维阈值法的分割结果,提出了一种基于中值邻域二维最小交叉Tsallis熵的快速图像分割方法。首先利用中值滤波法构建中值邻域二维直方图;然后将最小交叉Tsallis熵运用在这种直方图上构建中值邻域二维最小交叉Tsallis熵分割法,由于中值滤波后的图像优于均值滤波后的图像,此法能获得更理想的阈值;最后将递推法与定义的数组运算相结合导出快速算法搜索最佳阈值向量,并用此阈值向量对原图像和中值邻域图像进行分割,得到更好的分割结果。实验结果表明:相对于当前均值邻域二维最小交叉Tsallis熵阈值法,该方法不仅分割效果更好,抗噪性更强,而且速度更快。

基于NSCT和Tsallis熵的SAR图像快速分割方法

针对小波域SAR图像分割结果粗糙及运算速度低的不足,本文提出一种基于非下采样Contourlet变换(NSCT)和混沌粒子群优化(CPSO)的最大Tsallis熵的SAR图像快速分割方法。首先,利用NSCT提取SAR图像的概貌和细节信息,并建立相应的概貌-细节灰度级矩阵模型;然后,利用Tent映射CPSO算法搜索最优阈值,并提出递推算法大大减少迭代过程中适应度函数的重复计算。实验结果表明,与小波域SAR图像快速分割方法相比,该方法采用了具有多方向性和移不变性的NSCT分解图像,信息提取更为有效,分割结果更佳;同时由于引入混沌序列并以递推方式计算粒子适应度,粒子群搜索的收敛精度更高,运算时间更少。