基于Tsallis熵的閾值圖像分割方法研究.pdf

1、圖像分割就是將圖像中感興趣的部分提取出來，它是計算機低級視覺中最基本最重要的研究內(nèi)容，是成功進行圖像分析、理解與描述的關(guān)鍵技術(shù)。圖像分割的質(zhì)量直接影響下一步進行的分析、識別和解釋的質(zhì)量。在過去的二十幾年里，研究人員廣泛深入地研究了Shannon熵閾值分割方法，取得了較好的效果。但Shannon熵所具有的廣延性(或者可加性)使得它在閾值選擇過程中忽略了目標和背景概率分布之間的相互關(guān)系，造成分割結(jié)果的不準確。
　　Tsallis熵是S

2、hannon熵的一種推廣形式，它具有非廣延性(或者偽可加性)，能夠描述具有長相關(guān)、長時間記憶和分形結(jié)構(gòu)的物理過程。論文將Tsallis熵的這種特性應用到閾值圖像分割中。在閾值的選擇過程中，利用Tsallis熵的非廣延性，進一步考慮目標和背景概率分布之間的相互關(guān)系，提高了分割的準確性。具體地講，論文做了以下幾個方面的工作：
　　首先，給出了最小Tsallis交叉熵閾值分割方法。該方法利用Tsallis交叉熵來度量目標和背景之間的信息

3、差異量。由于Tsallis交叉熵所表示的信息差異量進一步考慮了目標和背景之間的相互關(guān)系，其分割結(jié)果的準確性比基于Shannon熵的最小交叉熵方法有了很大地提高。
　　其次，將最小Tsallis交叉熵閾值法推廣到二維情形，給出了最小二維Tsallis交叉熵閾值法，并采用粒子群優(yōu)化算法來搜索最佳二維閾值向量。二維最小Tsallis交叉熵閾值法不僅考慮了圖像的灰度信息而且考慮了象素之間的空間鄰域信息，提高了算法的抗噪聲能力。