该研究发表在Chaos, Solitons and Fractals上，提出基于Jensen累积熵的分离指数。在本文的第一部分，我们引入了两种累积Jensen型散度度量，即Jensen累积残差熵（Jensen-CRE）和Jensen累积过去熵（Jensen-CPE），并为这两种度量建立了新的理论上界。在此基础上，我们定义了基于这些度量的分类与阈值分割的效率指数，该指数经过归一化处理，取值范围在(0,1)之间。这些指数可视为从累积熵度量中导出的有效量化指标，且通过两个实例展示了其实际可应用性。在本文的第二部分，我们探讨了这些度量的实际应用。我们将Jensen-CRE度量应用于图像质量评估，并在不同信噪比下向原始图像加入高斯噪声，以模拟不同噪声水平。然后，在基于Jensen-CPE的相对效率分离指数的框架下，设计了一种新的图像分割算法。该方法的性能与常见方法（如Otsu阈值法与K-means聚类）进行了比较。通过多种评估指标（包括准确率、召回率、精确率、特异性、F1分数、Dice系数、Jaccard指数和调整兰德指数）对所提方法的有效性和精度进行了定量评估，评估基于来自Berkeley图像分割数据库的三幅代表性图像。实验结果表明，所提出的Jensen-CRE度量在高斯噪声环境下的图像质量评估中表现出良好的有效性，并在基于阈值的图像分割任务中展现出优异的性能。
