A2460865183的博客

分割质量评价指标 1 Misclassification error (误分割错误） 误分类错误(ME)的标准是衡量分割的性能的方法之一。ME是根据图像与人类观察的相关性来定义的。它对应的是错误分配给前景的背景像素的比例，反之亦然。 ME=1−∣BO∩BT∣+∣FO∩FT∣∣BO∩FO∣ME = 1-\dfrac{{\vert}B_O{\cap}B_T{\vert}+{\vert}F_O{\cap}F_T{\vert}}{{\vert}B_O{\cap}F_O{\vert}}ME=1−∣BO​∩FO​∣∣B

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

Determining the Entropic Index q of Tsallis Entropy in Images through Redundancy 1 作者试图解决什么问题？ 作者试图将信息论中冗余的概念应用在Tsallis Entropy的熵参数的自动确定上，即在不同的研究领域Tsallis Entropy的熵参数一般都是通过不断的测试确定合适的q值（熵参数），但是这样会大量耗费研究者的时间，而作者提出的基于q-冗余最大化的方法可以自动的选择合适的熵参数，大大减少手动寻找熵参数q值的时间。

Image thresholding using two-dimensional Tsallis–Havrda–Charva´t entropy 1 作者试图解决什么问题？ 作者提出了一种基于二维Tsallis–Havrda–Charva´t entropy的全局阈值分割技术。 注：论文题目虽然使用的是Tsallis–Havrda–Charva´t entropy，但是实际用于之后阈值分割算法的是Tsallis Entropy，是Tsallis对Tsallis–Havrda–Charva´t entropy