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.

熵最优与改进SCA的图像分割及其图像识别应用

针对传统图像分割效率低、精度差的不足,提出一种混合变异正余弦算法的多阈值图像分割方法。为提高SCA算法的寻优性能,设计拉丁超立方种群初始化改进种群多样性;以非线性转换因子动态调节算法搜索能力;融入惯性权重机制提升算法全局寻优;结合高斯和拉普拉斯分布混合变异对个体扰动,使算法跳离局部最优。将Cross熵作为适应度函数,利用HMSCA求解分割阈值。实验结果表明,该算法可以提升图像分割精度和效率。将其应用于火灾图像识别,能够实现火焰源与背景分离,得到更好的分割效果。

改进?鱼优化算法和熵测度的图像多阈值分割

针对传统图像多阈值分割方法存在效率低、分割质量差等问题,提出一种改进?鱼优化算法并结合熵测度(weight lens remora optimization algorithm,WLROA)的图像多阈值分割方法。针对?鱼优化算法易陷入局部极值等缺陷,引入透镜成像反向学习策略,生成透镜反向解来增加种群多样性,进而提高算法跳出局部极值能力;提出一种自适应权重因子,对个体位置进行自适应扰动,提高算法探索能力。以最小化交叉熵作为优化目标,利用WLROA确定最小交叉熵并获得相应分割阈值。选取部分伯克利大学分割数据集图像和遥感图像测试提出算法的分割性能,测试结果表明,WLROA与其他知名算法相比具有更好的分割效果,能够有效实现复杂图像的精确处理。

增强型金枪鱼群优化指数熵的砂粒显微图像分割

砂粒显微图像分割可以辅助地质评估,但因其种类繁多,特征复杂,为分割的准确度带来了挑战。针对该类图像提出一种增强型金枪鱼群优化指数熵的分割方法(ETSO-EXP),可以有效保留各类砂粒的纹理特征。首先,针对金枪鱼群优化算法(TSO)在全局搜索与局部开发上的若干不足,提出了混沌扰动策略、动态权重策略和余弦干扰策略对其增强,基准函数实验表明ETSO大幅提高了收敛精度,小幅提高了收敛速度。其次,将ETSO用于确定EXP的分割阈值,以分割图像的信息量为标准验证了该方案的可行性。最后,在雅鲁藏布江砂粒显微图像数据集上进行分割实验,与TSO-EXP相比,ETSO-EXP分割的图像在峰值信噪比、结构相似性、特征相似度和寻优速度的评估上分别达到了18.78%,6.85%,4.16%和3.83%的提升,在同类分割方法中性能最优。结果表明,分割方法ETSO-EXP对于对比度较高、纹理丰富或砂粒碎屑尺寸差异较大的图像都具有较高的分割精度和计算速度。

基于两阶段中立型交叉效率和Shannon熵的公交服务效益评价:利益相关者视角

为了获得高区分度、更准确的公交服务效益评价结果,提出了一种基于两阶段中立型交叉效率和Shannon熵集结模型的组合评价方法。基于网络数据包络分析模型得到两阶段中立型交叉效率模型中的自评结果,在此基础上测算出互评结果,利用Shannon熵集结模型将自评与互评结果集结得出最终交叉效率值。从公交企业、公众和政府三方利益相关者的角度构建了公交服务效益评价指标体系,对2011~2016年间“长三角”地区案例进行研究。结果表明:大多数公交企业的运营状况均不佳,但综合效益总体上在缓慢提升;服务过程评价结果显著优于生产过程评价结果;小型规模公交企业综合效益最高,其次是中型规模企业,而大型规模企业最低;政府大量的补贴和公交企业过量的资源投入会对效益产生负面影响。

结合自适应脉压与排列熵特征的陆海分割方法

针对陆海交接处强陆地杂波距离旁瓣影响近岸海上目标检测的问题,提出了1种自适应脉冲压缩与排列熵特征提取相结合的陆海分割方法。首先,采用两级相位补偿的自适应脉冲压缩技术,抑制近岸强地物杂波距离旁瓣对陆海分割的影响;随后,利用每个距离方位分辨单元中的观测数据计算该单元的排列熵,该特征显著增强了地物回波与海面回波的对比度;最后,利用大津法图像分割和形态学处理等数字图像处理技术,提取出陆海分界线。实测数据处理结果表明,自适应脉冲压缩与排列熵特征提取相结合,能够有效提升陆海回波的对比度,保证了陆海分界线提取的准确性。

二维最大熵图像分割下的煤矿充水采空区AR检测技术

传统煤矿采空区检测技术受到二维图像特征与井下环境因素的影响,在图像采集与分析精度方面存在较大偏差,无法精准还原矿井下真实环境,严重影响矿区井下环境勘测进度。为了解决这一问题,引入AR检测技术,对传统检测方法做如下优化:首先,对煤矿充水采空区的二维最大熵进行确定;然后,对图像信号进行AR初始检测模型构建及图像信号小波处理;最后,完成二维最大熵图像分割下的煤矿充水采空区识别模型建立;通过实验对比发现,采用提出检测方法所获得的检测结果与实际结果之间的偏差最小,且检测效果稳定性与可靠性好,应用要求低,实现技术门槛低,适合大面积推广应用。

基于LesionMix数据增强和熵最小化损失的半监督肺癌CT影像分割

目的基于LesionMix数据增强和熵最小化损失建立一种半监督肺癌CT影像分割方法——熵最小化病灶增强(EMLM)。方法首先,提出LesionMix数据增强方法,即通过对少量有标注的CT影像进行病灶信息提取并重复利用,来提升标注数据的利用效率。其次,提出两阶段半监督训练策略,第一阶段通过LesionMix数据增强方法使模型快速学习到少量标注数据的病灶特征,第二阶段使用熵最小化损失函数使其拟合真实数据分布情况,提高模型分割效果。最后,在LIDC-IDRI数据集上,通过对比实验和消融实验评估EMLM方法的分割性能。结果对比实验结果显示,在30%和10%标注比例的情况下,EMLM方法的戴斯相似度系数(DSC)均高于当前6种最佳半监督分割方法(URPC模型、UAMT模型、RD模型、MT模型、AEM模型、CPS模型),在50%标注比例的情况下,EMLM方法的DSC高于MT模型、RD模型、CPS模型、UAMT模型(P<0.05)。消融实验结果显示,使用Baseline模型同时配合EMLM方法时的DSC大于仅使用Baseline模型或者使用Baseline模型单独配合熵最小化损失(P<0.05),与使用Baseline模型单独配合LesionMix数据增强方法差异无统计学意义(P>0.05)。结论对于肺癌病灶分割,EMLM方法可以有效降低对标注数据的依赖并实现良好的分割效果。LesionMix数据增强方法与熵最小化损失实现了对肺癌病灶的重复利用,提高了标注的利用效率,同时可以更好地拟合真实数据分布情况而获得更佳的分割结果,从而有效提升了模型对肺癌病灶的分割能力。

基于改进黏菌算法与Tsallis熵的电力设备红外图像分割

常规方法处理电力设备红外图像分割问题时,求解最优阈值容易出现分割精度差、计算效率低的不足。为此,本文提出基于改进黏菌算法优化Tsallis熵的多阈值红外图像分割方法。利用黏菌算法的启发式搜索机制求解图像分割最优阈值,有效降低算法时间复杂度。在传统黏菌算法中引入Henon混沌映射优化初始种群多样性,设计动态透镜成像对立学习机制提高算法搜索精度。以Tsallis熵评估黏菌个体的适应度改进黏菌算法,迭代搜索图像分割阈值最优解。在常规电力设备红外图像数据集上进行实验,结果表明:与对比模型相比,改进模型具有更低的误分率和更高的峰值信噪比与结构相似度,在处理背景非均匀、噪声较大的红外图像分割上具有性能优势。

基于最大熵阈值分割的配网继电保护二次回路故障识别研究

文章开发一种基于最大熵阈值分割技术的配网继电保护二次回路故障识别方法。通过数据采集与预处理,确保故障数据准确、可用。基于提取特征构建故障识别模型,快速、准确地对配网继电保护二次回路中的各种故障进行分类和识别。结果表明,该方法在故障识别的准确率和响应速度上均优于传统方法,为配网继电保护二次回路的故障诊断提供新的技术手段和理论支持。

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。

基于局部熵的区域活动轮廓图像分割模型

为解决区域活动轮廓模型不能有效分割灰度不均图像的问题,提出了局部熵约束的区域活动轮廓模型应用于图像分割。首先基于局部熵信息将图像划分为两个特征区域,然后利用局部熵特征信息构造二值拟合能量,并与区域可放缩拟合(Region⁃scalable fitting,RSF)模型相结合,最后得到水平集演化方程。该模型考虑了图像灰度分布的聚集特征和局部区域统计信息,能有效处理灰度不均匀、弱边缘等图像分割问题,且对轮廓初始位置更具鲁棒性,医学图像实验结果验证了模型的有效性。

基于改进麻雀搜索算法的最大指数熵分割方法

为了解决基本麻雀搜索算法(sparrow search algorithm,SSA)依赖初始种群和求解精度不高的问题,提出一种基于Circle混沌映射和随机游走的改进的麻雀优化算法(improved sparrow optimization algorithm,CRSSA)。该算法为了增强麻雀种群的多样性,在麻雀初始阶段引入混沌Circle映射;采用随机游走对最优麻雀进行扰动,使其在麻雀寻优后期,增强算法全局搜索能力,跳出局部最优。同时选取15个测试函数对其算法进行性能测试。结果表明:与原始的SSA、蜉蝣算法(mayfly algorithm,MA)、粒子群优化算法(particle swarm optimization algorithm,PSO)、鲸鱼优化算法(whale optimization algorithm,WOA)和灰狼优化算法(gray wolf optimization algorithm,GWO)相比,改进的麻雀搜索算法具有寻优速度快、求解准确度高和鲁棒性强等优点。将该方法应用在多阈值图像分割中,通过对比不同算法的峰值信噪比(peak-to-signal ratio,PSNR)、结构相似性(structural similarity index,SSIM)、适应度函数值和运行时间性能指标,可有效解决多阈值分割问题,具有一定的工程应用价值。

多策略融合鲸鱼算法与二维最大熵的图像分割

传统的图像分割算法存在抗噪声差、迭代速度不高等缺陷,为了提高图像分割的质量,提出一种引入反向学习策略的鲸鱼优化算法(WOA)与二维最大熵结合的图像分割方法,并通过结合Sobol序列、自适应权重系数、收敛因子的非线性调整优化后的WOA算法,得到目标图像的最优阈值,并对其进行分割。通过与原始WOA算法在测试函数上的对比,表明改进算法具有较好的收敛性和较快的收敛速度。将改进算法实际运用到草坪背景下,分割后图片的峰值信噪比值相较于另外2种对比算法分别提高了5.2%、3.5%,在天空背景下分别提高了3.6%、2.2%,证明了改进后的算法可以提高分割的图片质量,体现了该算法的优越性。

矩不变调整的二维Shannon熵图像分割及其快速实现

为了克服二维Shannon熵阈值法的缺陷,提出了一种使用矩不变法来调整二维直方图斜分Shannon熵的阈值分割方法。首先将二维直方图斜分原理运用到两种Shannon熵阈值法中,然后利用矩不变法从两种熵阈值法获取的阈值中选择最佳阈值,并提出二维直方图斜分Shannon熵阈值法的一般递推算法,最后将二维直方图分布特性与这种算法有机结合得到新型快速的递推算法。实验结果表明,提出的方法不仅分割效果优于当前的二维直方图斜分的最大熵阈值法,而且运行速度更快,约快4倍。

融合残差连接的图像语义分割方法

由于传统SegNet模型在采样过程中产生了大量信息损失,导致图像语义分割精度较低,为此提出了一种融合残差连接的新型编-解码器网络结构:文中引入了多残差连接策略,更为全面地保留了多尺度图像中包含的大量细节信息,降低还原降采样所带来的信息损失;为进一步加速网络训练的收敛效率,改善样本的不平衡问题,设计了一种带平衡因子的交叉熵损失函数,对正负样本不平衡现象予以针对性的优化,使得模型的训练更加高效;实验表明该方法较好地解决了语义分割中信息损失以及分割不准确的问题,与SegNet相比,本网络在Cityscapes数据集上进行精细标注的mIoU值提高了约13%。

基于复杂纹理特征融合的材料图像分割方法

为解决材料图像分割中存在小样本、纹理复杂和数据分布不平衡的问题,抓住材料图像同相像素具有高度相似性的特性,提出一种基于复杂纹理特征融合的材料图像分割方法。在编码阶段,使用全卷积神经网络(FCN)作为基础网络,VGG16作为骨干网络;将改进的FCN的每层的特征图放入设计的级联的特征融合模块(CFF block),融合高低层语义信息;将融合的特征图放入多尺度学习模块(multi-scale block)进一步提取纹理特征。在解码阶段,对特征图施加注意力机制(Attention block),保留关键的特征图;针对材料图像中数据不平衡问题,采用并改进Dice损失,优化分割结果。通过对比实验和消融实验验证该方法的mIoU在多个数据集上均优于经典的深度学习方法。

基于Shannon熵与声发射信号的CBN砂轮性能监测方法研究

为了在磨削加工过程中能够有效判别CBN(Cubic Boron Nitride)砂轮的磨削性能,提出了一种基于Shannon熵理论与声发射信号的CBN砂轮性能监测方法。首先,利用声发射传感器采集CBN砂轮磨削加工过程中的声发射信号,基于最大信息熵对CBN砂轮磨削加工过程中的声发射信号进行概率密度估计,获得磨削加工过程中声发射信号的最大熵概率密度分布。然后,通过分析研究CBN砂轮在修整过后循环磨削以及不同直径剩余磨削时的声发射信号特征,根据交叉熵原理分析CBN砂轮不同磨削性能时声发射信号最大熵概率密度分布,并通过设定交叉熵阈值来辨别磨削加工过程中CBN砂轮的磨削性能。最后,为验证该方法的实用性,在某工厂CBN砂轮磨削产品生产线上进行大量实验研究,结果表明,该方法对CBN砂轮磨损状态及CBN砂轮剩余寿命进行有效监测,验证了该方法监测CBN砂轮在磨削加工过程中磨削性能的有效性。

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。

混沌SSA优化多重熵阈值的骨料图像自动分割

多重熵阈值(MET)随阈值个数K的增加其运算时间成倍增长,而相关优化策略的精度与稳定性低,使得分割的骨料图像缺失大量表面粗糙度与边缘等特征信息。为了克服这一问题,提出了一种基于混沌麻雀搜索算法(SSA)优化MET的骨料自动分割模型。为增强SSA的全局优化能力和鲁棒性,在种群位置初始化时加入Logistic混沌映射均匀麻雀分布,并提出扩张参数扩大全局搜索,控距精英变异及时跳出局部停滞,将该算法称为LSSA,可以在不降低收敛速度的情况下提升求解质量。LSSA用于MET参数的自动选取,以Renyi熵、对称交叉熵和Kapur熵作为目标函数,快速确定最佳阈值集。对不同特征的骨料图像进行了分割实验,通过对比6类组合算法与FCM算法,证明了LSSA-MET的有效性,随着K的增加仍然保持着较快的运行速度,即使K=6时,平均分割一张图片也只需1.532 s。其中LSSA-Renyi熵表现最佳,峰值信噪比、结构相似性和特征相似度分别提高了29.92%,10.67%和5.16%,有效地保留了骨料表面纹理和边缘特征,同时达到了精度与速度的最佳平衡。