·106. 智能系统学报 第10卷 -2”- (9-+a) 1 9-1 1 - 14 9-+g 1 1 p学-= 1-g (4) ·(g-1), 式中：对于一幅给定的图像，“，为正的固定值。若 将非对称Tsallis交叉嫡D,的分量D,与D,之和的最 g-·名2p+ 1 小值作为最佳分割准则，此时背景类和目标类内部 灰度均匀，视为达到最佳分割效果。D,与D之和的 最小值所对应的向量(t,s)即为最佳阈值向量(t·, s·)。若忽略D,与D,之和的常数项，则得到阈值选 取准则函数： 令 1 a·(g-1)9。·“。9+9·4y)+ 是 1 u,·(g-1)9·49+9a·u) -名gn (t”,s·)=argmin(e) 0zij<l-1 8层Aw+ L-1 在计算ω。0、“：、西、P。9n时，为缩短算法运行 时间，减少迭代过程中有关函数的重复计算，可建立 则P和=Pi一P加 如下的查找表： ·(gr)9u+9a)- D=-1 -1 w.o(k,1)= An (5) (2) u(k,D)= (6) 同理可得： 高享pi y·(g-1)9。·9+9·u)-1 1 D=- u(k,L)= 名p (7) 9-1 (3) 9(k,l)=】 A小 (8) 式中： 9(k,)= pi (9) 用递推方式计算式(5)~(9)的中间参量，能使 uj-uj 复杂度从0(L)下降到0(L2),从而使算法运行时 wb,u= 间大幅减少。递推算法为： -1L-1 9,=点Ap w.o(k,l)=w0(k-1,l)+ω.o(k,l-1)- w.o(k-1,l-1)+p(k,) .=名pin u.(k,l)=:(k-1,l)+:(k,l-1)- u,(k-1,l-1)+k·p(k,) m 4(k,l)=4(k-1,)+u,(k,l-1)- 4(k-1,l-1)+1·p(k,) 艺 p(k,l)=9(k-1,l)+9(k,l-1)- p(k-1,l-1)+9·p(k,l) Py-Pio 则分割前后图像的非对称Tsallis交叉熵为 9n(k,l)=9(k-1,l)+9(k,l-1)- 9(k-1,l-1)+·p(k,l) D=[D:D]T= 为了加快算法运行速度，可以采用智能优化算 法搜寻最佳阈值。由于现有的粒子群算法易陷入局员 怎贼蚤窑渊择 原 员冤移 贼 蚤 越 园 移 泽 躁 越 园 蚤窑责渊蚤袁躁冤咱渊怎蚤燥 蚤 冤 员原择 原 员暂 垣 员 怎贼蚤窑渊择 原 员冤移 蕴原员 蚤 越 贼 垣员 移 泽 躁 越 园 蚤窑责渊蚤袁躁冤咱渊怎蚤 遭 蚤 冤 员原择 原 员暂 垣 员 怎贼蚤窑渊择 原 员冤移 蕴原员 蚤 越 园 移 蕴原员 躁 越 泽垣员 蚤窑责渊蚤袁躁冤咱渊怎蚤 遭 蚤 冤 员原择 原 员暂 越 员 怎贼蚤窑渊择 原 员冤 怎员原择 蚤燥 窑移 贼 蚤 越 园 移 泽 躁 越 园 蚤 [ 择 窑责渊蚤袁躁冤 垣 怎员原择 蚤 遭窑移 蕴原员 蚤 越 贼垣员 移 泽 躁 越 园 蚤 择 窑责渊蚤袁躁冤 垣 怎员原择 蚤遭 移 蕴原员 蚤 越 园 移 蕴原员 躁 越 泽垣员 蚤 择 窑责渊蚤袁躁冤 原 怎贼蚤] 令 渍贼蚤 越 移 蕴原员 蚤 越 园 移 蕴原员 躁 越 园 蚤 择 窑责渊蚤袁躁冤 渍蚤燥 越 移 贼 蚤 越 园 移 泽 躁 越 园 蚤 择 窑责渊蚤袁躁冤 渍蚤燥 越 移 蕴原员 蚤 越 贼垣员 移 泽 躁 越 园 蚤 择 窑责渊蚤袁躁冤 垣 移 蕴原员 蚤 越 园 移 蕴原员 躁 越 泽垣员 蚤 择 窑责渊蚤袁躁冤 则 渍蚤燥 越 渍贼蚤 原 渍蚤燥 阅蚤 越 员 怎贼蚤窑渊择鄄员冤渊渍蚤燥 窑怎员原择 蚤燥 垣 渍蚤遭窑怎员原择 蚤燥 冤 原 员 择 原 员 渊圆冤 同理可得院 阅躁 越 员 怎贼躁窑渊择 原 员冤渊渍蚤燥窑怎员原择 蚤燥 垣 渍蚤燥窑怎员原择 蚤燥 冤 原 员 择 原 员 渊猿冤 式中院 怎躁 燥 越 怎躁 棕燥 燥 袁怎躁 越 移 贼 蚤 越 园 移 泽 躁 越 园 躁窑责渊蚤袁躁冤 怎蚤燥 越 怎贼躁 原 怎躁 棕燥 遭 袁怎贼躁 越 移 蕴原员 蚤 越 园 移 蕴原员 躁 越 园 躁窑责渊蚤袁躁冤 渍贼躁 越 移 蕴原员 蚤 越 园 移 蕴原员 躁 越 园 躁 择 窑责渊蚤袁躁冤 渍蚤燥 越 移 贼 蚤 越 园 移 泽 躁 越 园 躁 择 窑责渊蚤袁躁冤 渍躁 遭 越 移 蕴原员 蚤 越 贼 垣员 移 泽 躁 越 园 躁 择 窑责渊蚤袁躁冤 垣 移 蕴原员 蚤 越 园 移 蕴原员 躁 越 泽垣员 躁 择 窑责渊蚤袁躁冤 越 摇 摇 渍贼躁 原 渍蚤燥 摇 摇 则分割前后图像的非对称 栽泽葬造造蚤泽 交叉熵为 摇摇摇摇摇摇摇 阅枣 越 咱阅蚤 阅躁 暂 栽 越 咱 员 怎贼蚤窑渊择 原 员冤渊渍蚤燥窑怎员原择 蚤燥 垣 渍蚤遭窑怎员原择 冤蚤燥 原 员 择 原 员 员 怎贼躁窑渊择 原 员冤渊渍躁燥窑怎员原择 蚤燥 垣 渍躁遭窑怎员原择 冤蚤燥 原 员 择 原 员 暂 栽 渊源冤 式中院对于一幅给定的图像袁 怎贼躁 为正的固定值遥 若 将非对称 栽泽葬造造蚤泽 交叉熵 阅枣 的分量 阅蚤 与 阅躁 之和的最 小值作为最佳分割准则袁此时背景类和目标类内部 灰度均匀袁视为达到最佳分割效果遥 阅蚤 与 阅躁 之和的 最小值所对应的向量 渊贼袁泽冤 即为最佳阈值向量 渊贼 鄢袁 泽 鄢冤 遥 若忽略 阅蚤 与 阅躁 之和的常数项袁则得到阈值选 取准则函数院 着枣 越 员 怎贼蚤窑渊择 原 员冤渊渍蚤燥窑怎蚤燥 员原择 垣 渍蚤遭窑怎蚤 遭 员原择 冤 垣 员 怎贼躁窑渊择 原 员冤渊渍躁燥窑怎躁燥 员原择 垣 渍躁遭窑怎员原择 蚤燥 冤 摇摇渊 贼 鄢袁泽 鄢 冤越 葬则早皂蚤灶渊着枣冤 园臆蚤袁躁约蕴原员 在计算 棕燥 燥尧怎蚤尧怎躁 尧渍蚤燥尧渍蚤燥 时袁为缩短算法运行 时间袁减少迭代过程中有关函数的重复计算袁可建立 如下的查找表院 棕燥 燥渊噪袁造冤 越 移 噪 蚤 越 园 移 造 躁 越 园 责渊蚤袁躁冤 渊缘冤 怎蚤 渊噪袁造冤 越 移 噪 蚤 越 园 移 造 躁 越 园 蚤窑责渊蚤袁躁冤 渊远冤 怎躁 渊噪袁造冤 越 移 噪 蚤 越 园 移 造 躁 越 园 躁窑责渊蚤袁躁冤 渊苑冤 渍蚤燥渊噪袁造冤 越 移 噪 蚤 越 园 移 造 躁 越 园 蚤 择 窑责渊蚤袁躁冤 渊愿冤 渍蚤燥渊噪袁造冤 越 移 噪 蚤 越 园 移 造 躁 越 园 躁 择 窑责渊蚤袁躁冤 渊怨冤 摇 摇 用递推方式计算式渊缘冤 耀 渊怨冤的中间参量袁能使 复杂度从 韵渊蕴源 冤 下降到 韵渊蕴圆 冤 袁从而使算法运行时 间大幅减少遥 递推算法为院 棕燥 燥渊噪袁造冤 越 棕燥 燥渊噪 原 员袁造冤 垣 棕燥 燥渊噪袁造 原 员冤 原 棕燥 燥渊噪 原 员袁造 原 员冤 垣 责渊噪袁造冤 怎蚤 渊噪袁造冤 越 怎蚤 渊噪 原 员袁造冤 垣 怎蚤 渊噪袁造 原 员冤 原 怎蚤 渊噪 原 员袁造 原 员冤 垣 噪窑责渊噪袁造冤 怎躁 渊噪袁造冤 越 怎躁 渊噪 原 员袁造冤 垣 怎躁 渊噪袁造 原 员冤 原 怎躁 渊噪 原 员袁造 原 员冤 垣 造窑责渊噪袁造冤 渍蚤燥渊噪袁造冤 越 渍蚤燥渊噪 原 员袁造冤 垣 渍蚤燥渊噪袁造 原 员冤 原 渍蚤燥渊噪 原 员袁造 原 员冤 垣 噪择 窑责渊噪袁造冤 渍蚤燥渊噪袁造冤 越 渍蚤燥渊噪 原 员袁造冤 垣 渍蚤燥渊噪袁造 原 员冤 原 渍蚤燥渊噪 原 员袁造 原 员冤 垣 造 择 窑责渊噪袁造冤 摇 摇 为了加快算法运行速度袁可以采用智能优化算 法搜寻最佳阈值遥 由于现有的粒子群算法易陷入局 窑员园远窑 智 能 系 统 学 报摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇 第 员园 卷