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。

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？）

​最具有开创性的是作者运用信息论中冗余的概念来确定Tsallis Entropy的熵参数的这一理论。

​作者解决问题的方法其实还是香农熵和Tsallis熵在信息论中的应用。

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？

​作者的评估：提出的自动确定Tsallis Entropy的熵参数的方法，适合各种各样需要确定熵参数q值的应用中。

​实验步骤具体见论文，值得我借鉴的在于利用q-冗余最大化确定q值的技术，我可以运用这一技术到我自己的实验中，帮助确定熵参数的值，这样将会大大减少手动搜索熵参数q值的时间。

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.

4.2 可以跟进的论文：

​基于二维熵的分割：Abutaleb, A.S. Automatic thresholding of gray-level pictures using two-dimensional entropy. Comput. Vis.Graph. Image Process. 1989, 47, 22–32.

​关于熵的一些物理理论方面的一些文献，有空自己觉得可以读一读，加强对熵原理的理解：

​ Tirnakli, U.; Borges, E.P. The standard map: From Boltzmann–Gibbs statistics to Tsallis statistics. Sci. Rep 2016, 6, doi:10.1038/srep23644.

​ Gell-Mann, M.; Tsallis, C. Nonextensive Entropy: Interdisciplinary Applications; Oxford University Press: Oxford, UK, 2004; pp. 1–54.

​ Tsallis, C. Non-additive entropy: The concept and its use. Eur. Phys. J. A 2009, 40, 257–266.

​着重可以跟进的论文，另外一篇讨论Tsallis Entropy熵参数的论文：

​ Rodrigues, P.S.; Giraldi, G.A. Computing the q-index for Tsallis Non-extensive Image Segmentation. In Proceedings of the 2009 XXII Brazilian Symposium on Computer Graphics and Image Processing, Rio de Janiero, Brazil, 11–15 October 2009; pp. 232–237.