直线型二维Tsallis熵阈值分割方法

为了充分利用图像的边界区域信息,本文在研究二维Tsallis熵的基础上,提出了直线型二维Tsallis熵阈值分割方法,传统的二维Tsallis熵法可以看作是直线型二维Tsallis熵阈值分割方法的特例。为了减少运算量,提高分割速度,给出了直线型二维Tsallis熵法的快速递推公式。实验结果表明:直线型二维Tsallis熵阈值法除了能够有效降低运算量外,对于噪声图像还可以获得比传统二维Tsallis熵法更好的分割结果。

基于二维Tsallis交叉熵直线型图像阈值分割方法

Tsallis熵具有非广延性,其用于图像分割取得了比Shannon熵好的分割效果。但传统Tsallis熵分割主要基于点的分割,其不足处在于忽略边界区域的信息。为消除忽略边界区域信息给图像分割带来的不足,在二维Tsallis交叉熵基础上提出了二维Tsallis交叉熵直线型分割方法,并将聚类小生境粒子群算法应用于最佳二维阈值的搜索当中,最佳阈值搜索速度有了明显提高,所得阈值较为理想。实验表明此方法取得了比传统Tsallis熵分割法较好的分割效果。

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.

二维Arimoto熵直线型阈值分割法

Arimoto熵是一种广义熵形式.本文首先指出了已提出的二维Arimoto熵阈值分割法的表述错误,给出了正确的二维Arimoto熵阈值分割法;然后提出了二维Arimoto熵直线型阈值分割法,并给出了快速递推公式;对Arimoto熵公式中参量的选择进行了探讨,并基于标准图像进行了分割性能评估.大量分割实验表明,二维Arimoto熵直线型阈值法至少与二维Arimoto熵和二维Renyi熵直线型阈值法分割效果相当;在图像边缘和噪音信息丰富的情况下,二维Arimoto熵直线型阈值法的分割效果优于二维Arimoto熵和二维Renyi熵直线型阈值法,是一种有效的图像阈值方法.

二维直线型Renyi熵阈值分割方法

考虑到噪声对图像的影响,提出了二维直线型Renyi熵阈值分割方法,由于二维方法的运算量太大,给出了二维直线型Renyi熵方法的快速递推公式。实验表明,对于噪声图像二维直线型Renyi熵阈值法可以获得比传统二维Renyi熵更好的分割结果。

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Tsallis交叉熵快速迭代的河流遥感图像分割

为了使河流遥感图像分割的精度和速度进一步提高,本文提出了一种基于二维Tsallis交叉熵快速迭代的河流遥感图像分割方法。鉴于现有的Tsallis交叉熵阈值法运算效率不够高,首先提出了一维Tsallis交叉熵阈值选取的快速迭代算法;然后导出了基于灰度级-邻域平均灰度级直方图的Tsallis交叉熵阈值选取公式,以进一步提高分割精度,并采用递推方式计算阈值选取准则函数中的中间变量,避免其重复运算,加快运算速度;最后,提出了二维Tsallis交叉熵阈值选取的快速迭代算法,推导出相应的公式,大大减少了运算量。大量实验结果表明,与近年来提出的4种阈值分割方法相比,本文方法在对河流遥感图像的分割效果及运行时间上均有明显优势,是河流检测与类型识别系统中可选择的一种快速有效的分割方法。

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。

基于改进布谷鸟搜索算法的二维Tsallis熵多阈值快速图像分割

为了改善二维Tsallis熵在分割复杂图像时存在计算量大、耗时长、实用性差的问题,提出基于改进布谷鸟搜索算法的二维Tsallis熵多阈值图像分割方法.首先,分析了二维Tsallis熵单阈值分割原理并将其推广到多阈值分割,同时推导出了二维Tsallis熵多阈值选取公式.其次,借鉴逐维更新评价策略,同时加入逐维扰动策略来对布谷鸟搜索算法进行改进,并用于求解二维Tsallis熵函数的最优问题.最后,用穷举法、粒子群算法、布谷鸟算法以及改进的布谷鸟算法分别对典型图像进行多阈值分割实验并将分割效果、分割数据和各算法的收敛性能分别进行比较.实验结果表明,所提算法能够快速、准确地对复杂图像进行分割.

广义概率Tsallis熵的快速多阈值图像分割

针对传统的熵多阈值法存在的计算复杂度高和分割不准确等问题,提出了一种基于广义概率Tsallis熵的快速多阈值图像分割方法。首先,对传统的灰度概率进行修改得到广义概率以构建广义概率Tsallis熵。然后,通过直方图均值自动确定Tsallis熵参数以解决参数不易选择的问题。随后,将GPTE正确拓展到多阈值分割方法中使得分割更准确。最后,将差分进化(Differential evolution,DE)算法与递推算法有机结合应用于GPTE多阈值法中以解决计算复杂度高的问题。图像分割实验结果表明,与基于传统的熵多阈值法相比,本文提出的方法不仅分割更准确,自适应性更强,而且运行速度更快。

二维Tsallis熵阈值法中基于粒子群优化的参数选取

针对二维Tsallis熵阈值分割法中参数q的选取问题,提出一种粒子群优化算法自适应选取参数q的方法.该方法基于一种图像分割质量评价指标—均匀性测度,利用粒子群优化算法对参数q在参数空间进行优化搜索,从而实现了二维Tsallis熵阈值分割法的自动阈值选取.实验表明,所提出的方法可以根据具体的图像有效地选取参数q,获得理想的图像分割结果.