概率分布双向稀疏化下单一Tsallis熵阈值选取方法

来源：软件学报杂志2022年第5期北京时间：

作者：邹耀斌，张进玉，臧兆祥，夏平，王俊英，龚国强，孙水发

单位：邹耀斌，三峡大学 计算机与信息学院, 湖北 宜昌 443002;水电工程智能视觉监测湖北省重点实验室(三峡大学), 湖北 宜昌 44300211,张进玉，三峡大学 计算机与信息学院, 湖北 宜昌 44300202,臧兆祥，三峡大学 计算机与信息学院, 湖北 宜昌 443002;水电工程智能视觉监测湖北省重点实验室(三峡大学), 湖北 宜昌 44300203,夏平，三峡大学 计算机与信息学院, 湖北 宜昌 443002;水电工程智能视觉监测湖北省重点实验室(三峡大学), 湖北 宜昌 44300204,王俊英，三峡大学 计算机与信息学院, 湖北 宜昌 44300205,龚国强，三峡大学 计算机与信息学院, 湖北 宜昌 44300206,孙水发，三峡大学 计算机与信息学院, 湖北 宜昌 443002;水电工程智能视觉监测湖北省重点实验室(三峡大学), 湖北 宜昌 44300207

摘要：现有基于熵最大准则选取阈值的方法涉及两个或两个以上的随机变量, 都忽视了一个约束条件而影响到它们的分割精度和适用范围: 参与随机系统整体熵计算的各随机变量应当相互独立. 提出了一种概率分布双向稀疏化下的单一Tsallis熵最大化导向的自动阈值选取方法, 可以自然规避多个随机变量需要相互独立的约束条件. 在多尺度卷积乘变换所得两幅图像上, 该方法先构建了一个具有双向稀疏概率分布特征的二维随机变量, 然后在该二维随机变量基础上定义了一个二维Tsallis熵. 在将二维Tsallis熵的计算简化到只涉及二维随机变量的边缘概率分布后, 选取单一Tsallis熵取最大值时对应的阈值作为最终分割阈值. 提出的方法和1个交互式阈值方法、4个自动阈值方法以及1个自动聚类分割方法进行了比较. 所用测试图像集由44幅合成图像和44幅真实世界图像组成, 这些测试图像具有单峰、双峰、多峰或无峰灰度直方图模式. 结果表明: 提出方法的计算效率虽然不优于5个自动分割方法, 但是它的分割适应性和分割精度有显著提高.

关键词：阈值分割;熵最大准则;单一Tsallis熵;概率分布双向稀疏化;多尺度卷积乘变换

基金资助：国家自然科学基金(61871258, 61502274); 国家重点研发计划(2016YFB0800403)