改进的基于二阶互信息的配准技术

着重分析讨论了灰度级别、邻域信息对基于二阶互信息的配准技术的影响,通过实验分析得到在PV插值基础上最佳的灰度级别、邻域信息,从而改进了基于二阶互信息的配准技术,并借助分析噪声对配准的影响来解释相关结论。     

高阶熵在医学图像配准中的应用研究

互信息是图像配准技术中广泛应用的一种相似性度量方法。传统的互信息方法中仅仅考虑了图像像素的灰度信息,而没有考虑像素之间的空间位置关系。因此,空间信息的缺乏导致了传统方法鲁棒性较差。在讨论了高阶熵的基本概念之后,将像素邻域均值作为高阶熵的第二维变量,由此加入空间信息。实验结果证明,该方法具有很强的抗噪声能力,能够使配准曲线更加平滑,从而避免在搜索过程中陷入局部极值。     

领域语义语法的统计生成

提出了一个基于统计的从未标注语料库中半自动获取语义语法算法。该算法对特定领域的语料库进行反复的时间聚类和空间聚类，通过时间聚类发现语言片段的语法结构，通过空间聚类发现语言片段的语义类别；循环迭代，可以生成一个粗糙的文法。最后，将这些抽取出来的粗糙文法经过人工校对，从而得到新领域的语义语法。实验结果表明，该方法是有效和切实可行的。     

医学图像配准的研究进展

总结了20世纪90年代以来医学图像配准技术的发展，对目前得到深入研究和广泛应用的互信息法，从其原理、优点、发展及改进方面做了详细论述，并对另外两种相似性测度——基于Jensen差分的归一化相似性测度和f-信息测度进行了分析研究，最后，对医学图像配准的发展趋势进行了展望。     

KMM型生成器概率模型中序列的信息论分析

钟控生成器序列因其良好的密码学性质而在密码学界成为研究的焦点，并被广泛应用于社会实践。KMM生成器是一种应用较为广泛的钟控生成器，它的输出序列不仅具有长周期、高线性复杂度，并且还有良好的伪随机性和相关免疫性。因此，分析此类钟控生成器序列的性质是非常有意义的。本文分析了KMM型生成器概率模型中序列的信息论性质，得到时钟控制序列与钟控输出序列互信息为零的结果，证明了钟控输入与输出序列互信息是输出序列长度的严格单调增函数。     

信息率失真率函数R(D)的预估-校正计算法

在精度不是很高的情况下先估计出S的近似值,然后调整精度校正S值,再计算信息率失真函数R(D)的近似值.     

遗传算法和Powell法结合的多分辨率三维图像配准

基于互信息的配准方法具有精度高、鲁棒性强的特点,成为近年图像配准研究的热点,但基于互信息的目标函数存在许多局部极值,为配准的优化过程带来了很大的困难。本文以互信息作为相似性测度,采用基于小波变换的多分辨率策略,将遗传算法和Powell法结合起来对三维CT、MR图像进行了配准。实验结果表明,这种方法能够有效地克服信息函数的局部极值,配准精度达到亚像素级。     

一种鲁棒的基于互信息的实时立体匹配算法

立体匹配算法依然是目前计算机视觉领域中的一个重要的研究热点.现有的绝大多数匹配算法都假定已满足相似性约束条件.然而在野外环境下,光照不均、场景为非朗伯表面、像机间差异都会使该约束条件无法满足,从而导致匹配失败.本文针对这种情况,并从实时应用的角度出发,提出一种鲁棒的基于互信息的实时立体匹配算法.该方法在相关匹配算法中引入互信息概念,并将其转换为相关算法可用的求和形式,通过迭代方法修正互信息值.然后,建立了三种亮度变化模型来验证该算法的有效性.实验结果表明,该算法能很好地抑制立体图像对间的亮度差异,具有很好的实时性与鲁棒性.     

基于最小词频阈值的文档特征选择

为降低内容无关的特征词对文本分类系统的影响,在对与文本内容无关的特征词进行分析后发现:不相关特征词的词频普遍较低,利用最小词频阈值滤除低频特征可以明显降低无关特征的数量.为此,提出基于最小词频阈值的文档频评估函数.利用该函数选择特征可以有效减少与内容无关的噪声特征,改善分类质量.实验结果显示,几种基于最小词频阈值的文档频评估函数比基于普通文档频的评估函数的分类准确性有不同程度的改进,其中对互信息的改进最为显著,宏平均F1值比词频方法提高40%,比普通文档频方法提高15%～30%.     

基于统计方法的中文姓名识别研究

采用统计方法来识别中文姓名。该方法将中文姓名的识别过程分为姓名候选和姓名确认两个阶段。采用隐马尔可夫模型(HMM)分类器从未经切分的汉字串中候选姓名。利用人名与上下文词汇的互信息对候选人名进行最后的确认。该方法是完全数据驱动的,不需要姓名识别模板和规则。试验结果表明,该方法的召回率为82.7%,准确率为89.6%。