Tsallis entropy and the long-range correlation in image thresholding
1 作者试图解决什么问题?
作者提出了一种改进的基于Tsallis熵的阈值分割方法,用于分割具有局部长程相关性而非全局长程相关性的图像。
2 研究方法的关键是什么?(最具有开创性,作者解决问题的方法/算法是什么?是否基于前人的方法?基于了哪些?)
最具开创性的是作者考虑到有的图像中的背景和目标之间存在着局部的长程相关而非全局的长程相关。
作者主要还是基于论文《Image thresholding using Tsallis entropy》的基础来创新的。
3 作者如何评估自己的方法,实验的setup是什么样的,哪些东西可以为我所用?
实验步骤具体见论文。
作者提出的方法对于一些具有局部长程相关的图像分割效果不错(红外图像和无损检测图像),但是对于其他的真实图像效果并不好(自己实验得出)。
4 有哪些参考文献可以继续跟进?
4.1 读过的论文:
基于香农熵分割:Kapur, J.; Sahoo, P.; Wong, A. A new method for gray-level picture thresholding using the entropy of the histogram. Comput. Vis. Graph. Image Process. 1985, 29, 273–285.
基于Tsallis熵分割:De Albuquerque, M.P.; Esquef, I.A.; Mello, A.R.G. Image Thresholding Using Tsallis Entropy. Pattern Recogn. Lett. 2004, 25, 1059–1065.
基于OTSU法分割:N. Otsu, A threshold selection method from gray-level histograms,IEEE Transactions on Systems, Man and Cybernetics 9 (1979) 62–66.
4.2 可以跟进的论文:
基于二维熵:
A.S. Abutaleb, Automatic thresholding of gray-level pictures using two-dimensional entropy, Computer Vision Graphics and Image Processing 47 (1989) 22–32.
A.D. Brink, Thresholding of digital images using two-dimensional entropies, Pattern Recognition 25 (1992) 803–808.
分割错误测量的方法:
W.A. Yasnoff, J.K. Mui, J.W. Bacus, Error measures for scene segmentation, Pattern Recognition 9 (1977) 217–231.