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。

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。

蜂群优化的二维非对称Tsallis交叉熵图像阈值选取

交叉熵能够度量图像分割前后的差异,与Shannon交叉熵相比,引入参数q的Tsallis交叉熵则为图像阈值分割提供了灵活性和普适性,而非对称Tsallis交叉熵的表达形式更加简洁。由此,提出了蜂群优化的二维非对称Tsallis交叉熵图像阈值选取方法。首先引出了非对称Tsallis交叉熵,导出了二维非对称Tsallis交叉熵阈值选取公式,并利用递推方式计算阈值选取准则函数涉及的中间变量,建立查找表,消除冗余运算;然后采用蜂群算法搜寻最佳二维阈值。大量实验结果表明,相对二维最大Shannon熵法、二维Shannon交叉熵法、二维Tsallis熵法和二维对称Tsallis交叉熵法等同类方法,所提出方法在主观视觉效果和区域间对比度评价指标上有较大的改善,能够更准确地分割出目标,运行速度也更快。

分解的二维非对称Tsallis交叉熵图像阈值选取

现有的Tsallis交叉熵能够度量图像分割前后的差异,但公式复杂,计算效率不高,据此,提出了基于分解的二维非对称Tsallis交叉熵图像阈值选取方法。首先给出了非对称Tsallis交叉熵的定义,提出了一维非对称Tsallis交叉熵阈值选取方法;然后,将其拓展到二维,推导出相应的阈值选取公式;最后,在此基础上提出了二维非对称Tsallis交叉熵阈值选取的分解算法,使求解二维非对称Tsallis交叉熵阈值法的运算转化到两个一维空间上,将计算复杂度从O(L4)降低为O(L)。大量实验结果表明,与基于混沌粒子群优化的二维Tsallis灰度熵法、二维斜分对称交叉熵法,二维斜分对称Tsallis交叉熵法等方法相比,该方法分割性能优,运行时间短,可望满足实际应用系统对分割的实时要求。

利用最小Tsallis交叉熵的视频对象分割算法

提出了一种基于改进的最小Tsallis交叉熵的视频对象分割算法。在时域中采用帧间变化检测快速区分前景与背景,在空域中使用改进的最小Tsallis交叉熵设置自适应阈值,能更准确地对差分图像进行阈值分割,克服了传统的最小Tsallis交叉熵法阈值化容易失效的问题,然后利用形态学修正和差分交集技术获得精确的视频对象。实验结果表明,该方法能够准确地识别运动目标,对于分辨率为240×352像素,每像素8位量化的单运动目标序列图像,处理目标分割耗时0.475s;对于分辨率为480×640像素,每像素8位量化的多运动目标序列图像,处理目标分割耗时0.518 s,能够实现对运动目标的实时分析,具有较好的实时性、自适应性、鲁棒性。

基于混沌布谷鸟优化的二维Tsallis交叉熵建筑物遥感图像分割

为了进一步提升建筑物遥感图像分割的准确性和运算速度,本文提出了基于混沌布谷鸟优化的二维Tsallis交叉熵的建筑物遥感图像分割方法。首先给出了二维Tsallis交叉熵的阈值选取公式,然后将Logistic混沌映射引入布谷鸟算法,进一步加快布谷鸟算法的收敛速度,最后通过该混沌布谷鸟算法优化基于二维Tsallis交叉熵的阈值寻找过程,并以得到的最优阈值分割建筑物遥感图像。大量实验结果表明,与二维倒数交叉熵法、二维Tsallis熵法、基于混沌粒子群优化的二维Tsallis灰度熵法等方法相比较,本文方法分割的目标更为准确,细节更为清晰,且运算时间更短。

基于最小Tsallis交叉熵改进型PCNN图像分割算法

针对传统脉冲耦合神经网络(PCNN)模型中存在的待定参数过多且难以选择、循环迭代次数难以确定的缺陷,提出了一种基于最小Tsallis交叉熵改进型PCNN图像分割算法.根据改进的内部活动项和阈值衰减函数初始化模型参数,根据图像特性自适应设置链接强度系数和链接权值矩阵;利用最小Tsallis交叉熵准则确定PCNN循环迭代次数,采用双边带滤波器对分割图像进行滤波,获取最优图像分割结果.仿真实验结果表明,该算法提高了分割后图像的区域一致性、区域对比度、形状测度,缩短了运行时间,改进了图像分割效果.

基于二维最小Tsallis交叉熵和遗传算法的快速图像分割

针对二维Otsu分割方法在求取最佳阈值时假设部分区域近似为0,降低了分割精度,以及采用的shannon熵因为具有广延性而忽略了两个分割子系统之间的相互作用的问题,提出一种基于二维最小Tsallis交叉熵和微粒群寻优的快速图像分割.利用灰度-梯度直方图并聚类得到有用区域,以具有非广延性的二维最小Tsallis交叉熵为优化函数,采用遗传算法得到最优的二维阈值.实验表明该算法对噪声图像具有良好的分割效果和较强的实时处理能力.

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。

基于灰度-梯度二维对称Tsallis交叉熵的阈值分割

针对灰度级-平均灰度级直方图的二维Tsallis交叉熵阈值分割法存在错分、计算复杂度较高问题,提出一种基于灰度-梯度二维对称Tsallis交叉熵的阈值分割方法。构建新的灰度-梯度二维直方图,更加全面地考虑目标点和背景点;导出基于该直方图区域划分的对称Tsallis交叉熵阈值选取公式;采用基于tent映射的混沌小生境粒子群优化算法搜寻二维最佳阈值向量,并引入快速递推算法降低其适应度函数的计算复杂度。实验结果表明,与基于灰度级-平均灰度级直方图的二维Tsallis交叉熵阈值分割法相比,该方法能够使分割后的图像边缘更加准确,类内灰度更加均匀,且实时性提高了30倍。

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。

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。

基于二维最小Tsallis交叉熵的图像阈值分割方法

利用Tsallis熵的非广延性,提出了二维最小Tsallis交叉熵阈值分割方法.首先给出了二维Tsallis交叉熵的定义,并以最小二维Tsallis交叉熵为准则,利用粒子群优化算法来搜索最优二维阈值向量.该方法不仅进一步考虑了像素之间的空间邻域信息,而且考虑了目标和背景之间的相互关系,其分割性能优于基于Shannon熵的交叉熵阈值法和一维最小Tsallis交叉熵阈值法,并且具有很强的抗噪声能力.实验结果表明,该方法可以实现快速、准确的分割.

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。

基于区间毕达哥拉斯犹豫模糊熵和交叉熵的ELECTRE II决策方法

针对属性权重完全未知或部分已知,属性值为区间毕达哥拉斯犹豫模糊数的多属性决策问题,提出了基于区间毕达哥拉斯犹豫模糊熵和交叉熵的ELECTRE II法。首先给出区间毕达哥拉斯犹豫模糊数的区间形式的得分函数和精度函数,定义新的距离测度。然后基于区间毕达哥拉斯犹豫模糊数的模糊因子、直觉因子和幅度因子,给出熵和交叉熵公式,并证明其性质,提出了基于熵和交叉熵确定属性权重的方法。最后提出了区间毕达哥拉斯犹豫模糊环境下的改进的ELECTRE II法,利用综合优势值对方案进行排序,并通过算例和比较分析验证了该方法的可行性和有效性。

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。

基于模糊交叉熵与TOPSIS的碳审计风险评估

审计在促进“双碳”目标实现的过程中发挥着重要的监督与评价作用,有效规范了企业的碳排放行为,推动了企业生产方式的绿色转型。当前,我国的碳审计发展尚处起步阶段,存在着诸如制度不健全、碳数据核算困难、碳审计人才缺乏等一系列问题,多种因素的叠加使得碳审计工作面临着极大的风险与挑战。在文献梳理的基础上,本文依托传统风险导向审计理论,首先从环境风险、固有风险、控制风险、检查风险四个层面建立碳审计风险评估指标体系;其次,借助模糊交叉熵和TOPSIS算法构架新型的碳审计风险评估模型,探索碳审计风险评估模型的运行步骤,明晰风险评估模型中的决策方案排序策略;再次,通过对特定案例的深入分析,阐释模糊交叉熵和TOPSIS风险评估模型在碳审计风险评估中的具体应用流程,全方位探究风险评估模型中各类运算结果的分析方法;最后,针对碳审计所面临的各种风险,相应地从碳审计模式设计、双碳大数据中心构建、人才队伍建设三个方面提出管理碳审计检查风险的措施与建议。有关研究思路和结论能够为审计组织如何发现碳审计存在的关键风险因素、衡量碳审计风险水平、评价和控制碳审计风险提供理论支持。

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。

快速二维最小交叉Tsallis熵的图像阈值分割

目前二维最小交叉Tsallis熵阈值分割法有较好的分割性能,但由于计算复杂度高,使得分割速度慢。针对此问题,提出了一种基于二维最小交叉Tsallis熵的快速图像分割方法。首先对二维最小交叉Tsallis熵法公式进行推导找出需要递推的几个量,然后对二维直方图投影进行分析得到二维直方图的特性;最后利用此特性导出新型的快速递推算法来减少计算时间。实验结果表明:相对于当前二维最小交叉Tsallis熵阈值法,提出的方法在保持分割效果的情况下,其速度提高了20倍以上,其运行时间小于0.2 s。