混沌布谷鸟优化二维Tsallis交叉熵：遥感图像高效分割新方法

"这篇论文提出了一种新的遥感图像分割方法，即基于混沌布谷鸟优化的二维Tsallis交叉熵建筑物遥感图像分割。这种方法旨在提高分割精度和运算效率，特别是针对建筑物遥感图像的处理。文章介绍了二维Tsallis交叉熵的阈值选择公式，并结合Logistic混沌映射改进了布谷鸟算法，以加速其收敛速度。最终，通过混沌布谷鸟算法优化阈值确定过程，利用得到的最佳阈值进行图像分割。实验结果显示，与现有的二维倒数交叉熵法、二维Tsallis熵法、以及基于混沌粒子群优化的二维Tsallis灰度熵法相比，该方法在目标分割准确性、细节保真度和计算时间上都有显著优势。关键词涉及建筑物提取、遥感图像处理、图像分割、阈值选取、布谷鸟算法和Tsallis交叉熵。" 这篇研究工作主要涵盖了以下几个关键知识点： 1. **二维Tsallis交叉熵**：这是一种衡量遥感图像信息熵的非经典统计方法，它可以更精确地描述图像的复杂性和非均匀性。论文中提出了用于阈值选取的二维Tsallis交叉熵公式，这有助于找到合适的分割点，区分图像的不同区域。 2. **混沌布谷鸟优化算法**：布谷鸟搜索算法是一种自然启发式全局优化算法，模拟了布谷鸟巢穴寄生的行为。在此基础上，论文引入了Logistic混沌映射，以增加算法的探索能力和收敛速度，避免早熟收敛的问题。 3. **阈值选取**：在图像分割中，阈值选择是关键步骤，它决定了图像中不同区域的划分。二维Tsallis交叉熵提供了一个动态的阈值选择依据，混沌布谷鸟优化则确保了这个过程的有效性和快速性。 4. **建筑物遥感图像分割**：这是遥感图像处理的重要应用领域，旨在自动识别和提取图像中的建筑物。本文的方法针对这一任务进行了优化，提高了分割的准确性和效率。 5. **比较与优势**：论文通过与其他几种方法（如二维倒数交叉熵法、二维Tsallis熵法、基于混沌粒子群优化的二维Tsallis灰度熵法）的对比，证明了新方法在分割质量和计算效率上的优越性。 6. **应用与前景**：该方法不仅在理论上有重要意义，而且在实际遥感图像处理中具有广阔的应用前景，特别是在快速城市化和建筑物密集区的监测、分析和管理中。 这篇研究工作在图像处理领域引入了一种创新的优化策略，通过混沌布谷鸟优化二维Tsallis交叉熵，为遥感图像分割提供了更为高效和精确的解决方案。