5.6.3　用于粒子检测的运动连续性亲和力传播因子

5.6.3　用于粒子检测的运动连续性亲和力传播因子

Tsallis熵的三维直方图如5.44(a)所示，t是像素灰度值的阈值，s是像素空间邻域均值的阈值，k 是像素时间邻域均值的阈值[51]～[54]。阈值(t，s，k)所形成的三个平面(如图5.44a中所示的深灰色、浅灰色和灰色平面)将直方图分成8个区域，如图5.44(b)所示，每个区域用不同的编号和颜色区分，更详细的分解图如5.44(c)和5.44(d)所示。和二维直方图一样，三维直方图中的背景和目标信息主要集中在对角线区域(图5.44a中的对角线用虚线表示)，即区域1和区域6。其余的区域2、3、4、5以及7和8主要包含了边缘和噪声信息，在计算Tsallis熵时可忽略不计。

代表背景和目标的区域1和区域6可以看作是独立分布，其归一化概率值可以表示为PB(t，s，k)和PO(t，s，k)[55]～[59]：

背景像素和目标像素的Tsallis熵表达式分别为[60][61]：

图5.44　三维Tsallis熵阈值划分示意图(https://www.daowen.com)

(a)三维直方图；(b)阈值划分区域；(c)1、2、3、4区域分解图；
(d)5、6、7、8区域分解图

接下来就可以根据背景像素的Tsallis熵和目标像素的Tsallis熵推导出图像的Tsallis熵Sq(t，s，k)[62][63]。

因此，能够使图像三维Tsallis熵Sq(t，s，k)最大化的(t，s，k)就是最佳分割阈值，公式为[64]：