Tsallis熵
Tsallis熵的相关文献在2002年到2022年内共计73篇,主要集中在自动化技术、计算机技术、无线电电子学、电信技术、财政、金融
等领域,其中期刊论文63篇、会议论文1篇、专利文献6959篇;相关期刊50种,包括郑州大学学报(理学版)、数据采集与处理、信号处理等;
相关会议1种,包括第十五届全国信号处理学术年会等;Tsallis熵的相关文献由205位作者贡献,包括吴一全、张新明、尹霞等。
Tsallis熵
-研究学者
- 吴一全
- 张新明
- 尹霞
- 施新刚
- 李子木
- 王之梁
- 王永茂
- 田庚
- 胥田田
- 郑延斌
- 吴诗婳
- 唐艳亮
- 孙凡
- 张慧云
- 张晓杰
- 李双
- 李婉晴
- 欧聪杰
- 汪加梅
- 汪方斌
- 沈振康
- 涂强
- 王雪
- 赵攀
- 雷锡骞
- 丁熠
- 严玉为
- 于志勇
- 于赫
- 付智辉
- 付梦印
- 任泽民
- 任臻
- 伊龙
- 伊龙12
- 何传江
- 傅均
- 关新平
- 关晓惠
- 冯康康
- 冯康康12
- 刘大勇
- 刘岩俊
- 刘明杰
- 刘煜铖
- 刘福才
- 刘笃晋
- 刘述斌
- 劳毅慧
- 单翀皞
-
-
胥田田;
雷锡骞;
金慧
-
-
摘要:
随着高速铁路建设与运营新趋势的出现,实现列车前方轨道异物的智能检测发展为必然趋势。基于机器视觉、图像处理等各项融合技术的异物检测手段应用逐渐推广,在基于图像处理方法的轨道异物检测中,进行分割后的图像是轨道异物检测和识别的关键。为验证分割算法的有效性,首先从图像分割的角度简述多种方法在轨道异物检测中的优化及应用,其次将一维、二维Tsallis熵算法应用于轨道异物图像分割处理,最后在区域间对比度的定量分析下,可验证算法在鲁棒性、实时性方面能够取得较好的分割效果。
-
-
雷锡骞;
徐钦;
罗钿;
胥田田
-
-
摘要:
Tsallis熵图像阈值分割具有算法简单、应用范围广泛等优点.Tsallis熵算法随着维数的增加使得算法复杂度增大、实时性下降.为了保证算法的分割效果并提高效率,提出基于图像复杂度的Tsallis熵阈值分割算法.通过计算图像复杂度缩小灰度值的遍历范围,并将二维Tsallis熵进行降维处理,引入类内离散测度函数设置新的目标函数,通过对标准测试图像进行验证,以区域间对比度GC作为评价函数,在与一维、二维Tsallis熵算法进行主观与客观效果对比后,发现该算法实时性与分割效果较好.
-
-
杨松青;
蒋沅;
童天驰;
严玉为;
淦各升
-
-
摘要:
复杂网络中节点重要性的评估是网络特性研究中的一项重要课题,相关研究具有广泛的应用.目前提出了许多方法来评估网络中节点的重要性,然而大多数方法都存在评估角度片面或者时间复杂度过高的不足.为了突破现有方法的局限性,本文提出了一种基于Tsallis熵的复杂网络节点重要性评估方法.该方法兼顾节点的局部和全局拓扑信息,综合考察节点的结构洞特征和K壳中心性,并充分考虑节点及其邻域节点的影响.为了验证该方法的有效性,本文采用单调性指标、SIR模型和Kendall相关系数作为评价标准,在8个来自不同领域的真实网络上与其他方法进行比较.实验结果表明,此方法能更有效和准确地评估网络节点的重要性,可以显著区分不同节点的重要性.此外,该方法的时间复杂度仅为O(n2),适用于大型复杂网络.
-
-
-
黄毅英;
黄河清
-
-
摘要:
针对现有图像分割算法中计算复杂度大的问题,提出一种基于自适应布谷鸟(adaptive cuckoo search,ACS)算法的Tsallis熵阈值图像分割方法,能够改善学习过程和收敛速度,减少分割时间.该方法使用Tsallis熵作为ACS的适应度函数值,实现无参数搜索过程,在搜索空间中使用当前位置的知识来自适应步长,最后使用ACS最大化Tsallis熵来获得最优阈值,得到分割图像.实验结果表明,该文方法能够有效实现图像分割,且分割时间低于粒子群优化算法、布谷鸟搜索算法和改进布谷鸟搜索算法,结构相似性(Structural Similarity,SSIM)和收敛成功率高于其他算法.
-
-
徐浩;
王霜
-
-
摘要:
为提高医学图像分割的效果,针对二维Tsallis熵阈值法图像分割效果受参数q选择的影响,提出一种基于云模型萤火虫算法优化二维Tsallis熵的医学图像分割算法.首先,将云模型引入萤火虫算法,提高萤火虫算法的收敛速度和寻优能力;其次,选择均匀性测度作为医学图像分割的评价指标,运用CMFA算法对二维Tsallis熵阈值法参数q进行自适应寻优.研究结果表明,与FA-Tsallis和Tsallis相比较,CMFA-Tsallis的均匀性测度最高,分割出来的结果边界清晰,从而证明本算法的有效性.
-
-
-
-
劳毅慧;
杨君齐
-
-
摘要:
设Hm是维数为m的复希尔伯特空间,S(Hm(☉)Hn)为复双体希尔伯特空间Hm(☉)Hn上的量子态的全体,Ssep(Hm(☉)Hn)为其中可分量子态构成的凸集.映射Φ:S(Hm(☉)Hn)→S(Hm(☉)Hn)是满射,且Φ(Ssep(Hm(☉)Hn))=Ssep(Hm(☉)Hn).若对于某个r∈R+\{1},满射Φ保持量子态凸组合的Tsallis熵Sr(tρ+(1-t)a) =Sr(tΦ(ρ)+(1-t)Φ(σ))对于任意的ρ、σ∈S(Hm(☉)Hn)和任意的t∈[0,1]成立;那么在Hm、Hn上分别存在酉算子Um、Vn,使得Φ(ρ)=(Um(☉)Vn)ρ(Um(☉)Vn)*对于任意的ρ∈Ssep (Hm(☉)Hn)成立.
-
-
林冰生;
衡太骅
-
-
摘要:
本文分别介绍了冯诺依曼熵、线性熵、Rényi熵和Tsallis熵等几种量子熵,以及它们在相空间中基于Wigner函数的几种不同的定义.通过理论推导和具体的数值计算,证明了文献中利用Wigner函数的绝对值来定义相空间量子熵是不合适的,而本文给出的利用Wigner函数的Moyal星乘积定义的量子熵与通常利用密度矩阵定义的量子熵结果是相一致的.
-
-
唐艳亮;
吴一全;
吴诗婳;
张晓杰
- 《第十五届全国信号处理学术年会》
| 2011年
-
摘要:
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。
-
-
唐艳亮;
吴一全;
吴诗婳;
张晓杰
- 《第十五届全国信号处理学术年会》
| 2011年
-
摘要:
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。
-
-
唐艳亮;
吴一全;
吴诗婳;
张晓杰
- 《第十五届全国信号处理学术年会》
| 2011年
-
摘要:
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。
-
-
唐艳亮;
吴一全;
吴诗婳;
张晓杰
- 《第十五届全国信号处理学术年会》
| 2011年
-
摘要:
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。
-
-
唐艳亮;
吴一全;
吴诗婳;
张晓杰
- 《第十五届全国信号处理学术年会》
| 2011年
-
摘要:
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。
-
-
唐艳亮;
吴一全;
吴诗婳;
张晓杰
- 《第十五届全国信号处理学术年会》
| 2011年
-
摘要:
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。
-
-
-
-
-
-
-
-
- 西安工程大学
- 公开公告日期:2020-12-18
-
摘要:
本发明公开了一种Otsu和Tsallis熵的二次图像分割方法,具体按照如下方式实施:步骤1,对输入原图像I进行对比度扩展变换预处理,处理后的图像灰度动态范围是[0,255];步骤2,采用Otsu算法求出原图像的阈值K,并根据阈值K对图像进行初次分割,得到分割图像I1;步骤3,创建分割图像I1的二维直方图,计算分割图像I1的Tsallis熵;步骤4,求得使二维Tsallis熵最大的(u',v')为最佳阈值,用该阈值对分割图像I1进行二次分割,得到最终的再分割图像I2。本发明解决了Otsu未考虑目标和背景像素分布情况而出现的错分割问题,提高了分割的准确度。
-
-
-