局域化互信息度量的ACM下医学图像的分割

大量医学图像中存在灰度不均匀现象使传统方法很难获得理想的分割结果,针对此问题,将图像的局部统计特征引入互信息度量的分割模型中,考虑不同组织间的方差差异,提出一种局域化互信息度量的活动轮廓模型(ACM),以提高灰度不均匀情况下目标边界识别的精确度。此外,采用一种无需重新初始化的水平集函数规则化方法,演化稳定,收敛速度快。最后,以医学图像分割实验对算法进行了验证,对比实验表明分割和偏移场矫正结果都更精确。     

基于互信息特征筛选偏最小二乘的激光诱导击穿光谱铁矿浆定量分析

目前检测矿浆品位相对准确的方法是传统化学分析,但周期长、有滞后性,无法实现在线检测。实验利用激光诱导击穿光谱(Laser induced breakdown spectroscopy,LIBS)在线、原位、快速等优点,分析了铁矿选矿过程尾矿浆中铁元素的品位值。由于LIBS采集到的光谱数据中存在大量对成分分析无用的冗余信息,进而增加了建模复杂程度,导致建立的模型精确度不够、泛化能力不强。因此,在偏最小二乘(PLS)模型基础上,提出了基于互信息特征筛选的偏最小二乘模型。实验结果表明,与传统的PLS模型相比,基于互信息特征筛选的偏最小二乘模型在分析精度上得到了明显改善,测试样品的决定系数R²从0.52提高到0.90,测试样本的平均绝对误差(MAEP)从2.87%下降到1.38%,总样本的平均绝对误差(MAE)从1.0%下降到0.60%。     

一种基于互信息的模糊聚类集成算法

聚类集成是机器学习中的新问题．它是利用同一数据集的多个聚类划分集成在一起，以提高聚类分析的性能．如何发现从多个划分中得到“consensus clustering”是一个很困难的问题．很多学者对此作了研究．本文提出了一种基于互信息的模糊聚类集成算法．该算法主要扩展了Strehl　＆　Ghosh提出的基于互信息的聚类集成目标函数，将其应用到模糊划分的集成，同时利用类似于信息瓶颈聚类的算法进行求解．实验结果表明，在4个UCI的数据集上，基于互信息的聚类集成能获得良好的性能．     

决策表属性约简的相对信息量表示

知识约简是粗糙集理论研究的主要内容之一，该文在信息系统中引入了知识的相对信息量的概念。对一致决策表，证明了其属性约简在代数表示下和相对信息量表示下是等价的，但对不一致决策表，举例说明其属性约简的代数表示不能用相对信息量来等价表示。由此可见，相对信息量表示比代数表示直观，但不能完全代替代数表示方法。     

基于GPU的遥感图像配准并行程序设计与存储优化

遥感图像配准是遥感图像应用的一个重要处理步骤.随着遥感图像数据规模与遥感图像配准算法计算复杂度的增大,遥感图像配准面临着处理速度的挑战.最近几年,GPU计算能力得到极大提升,面向通用计算领域得到了快速发展.结合GPU面向通用计算领域的优势与遥感图像配准面临的处理速度问题,研究了GPU加速处理遥感图像配准的算法.选取计算量大计算精度高的基于互信息小波分解配准算法进行GPU并行设计,提出了GPU并行设计模型;同时选取GPU程序常用面向存储级的优化策略应用于遥感图像配准GPU程序,并利用CUDA(compute unified device architecture)编程语言在nVIDIA Tesla M2050GPU上进行了实验.实验结果表明,提出的并行设计模型与面向存储级的优化策略能够很好地适用于遥感图像配准领域,最大加速比达到了19.9倍.研究表明GPU通用计算技术在遥感图像处理领域具有广阔的应用前景.     

基于最大互信息的多模医学图象配准

介绍了一种基于最大互信息原理的图象配准技术,并就实施最大互信息配准法的一些重要技术问题进行了研究,其中包括不增加新数据点的格点采样子集、不产生分数灰度值的ＰＶ插值技术和出界点策略等。该方法在搜索策略上采用了无需计算梯度的Ｐｏｗｅｌｌ算法。由于计算互信息的关键技术与有效的搜索策略的结合,使得该方法能快速、准确地实现多模医学图象的配准。用该方法对７个病人的４１套ＣＴ－ＭＲ和３５套ＭＲ－ＰＥＴ３Ｄ全脑数     

一种基于广义互信息的图像配准算法

互信息作为图像配准中的相关度矩阵有着广泛的应用,通常采用的是基于Shannon熵的互信息。采用一个广义的信息熵——Renyi熵,提出了一种基于广义互信息的图像配准方法。在全局搜索阶段,采用q取较小值的Renyi熵,此时,Renyi熵可以消除局部极值,再通过局部优化方法对当前的局部最优解进行局部寻优,以找到全局最优解;在局部优化阶段,使用基于q→1时的Renyi熵的归一化互信息测度作为目标函数。实验结果表明:相对于归一化互信息图像配准算法,基于Renyi熵的互信息配准算法有良好的配准效果,且提高了配准速度。     

语言模型中一种改进的最大熵方法及其应用

最大熵方法是建立统计语言模型的一种有效的方法,具有较强的知识表达能力.但是,在用现有的最大熵方法建立统计模型时存在计算量大的问题.针对这一问题,提出了一种改进的最大熵方法.该方法使用互信息的概念,通过Z-测试进行特征选择.将该方法应用于汉语的义项排歧中,实验表明,该算法具有较高的计算效率和正确率.     

基于边缘特征点互信息熵的医学图像配准方法

基于互信息熵的图像配准方法已经被广泛应用于医学图像配准中,为克服互信息配准方法的不足,结合图像空间结构信息,本文提出一种基于边缘特征点互信息熵的医学图像配准方法,设计了包括互信息熵、图像空间结构和形状特征点等多信息融合的配准新测度。算法首先采用改进的形态学梯度提取医学图像边缘轮廓;然后构造了以边缘区域特征和梯度信息为基础的特征点互信息能量函数,并通过最小化能量函数来获取配准参数;最后,结合梯度下降法优化策略,实现图像配准。实验研究表明,该方法在保证了配准精度的同时,配准速度较快、鲁棒性较好、综合性能优良,具有一定的临床推广价值。     

粒子群与改进的鲍威尔算法相结合的多分辨率三维医学图像配准

为克服传统基于互信息的多模医学图像配准算法容易陷入局部最优的问题,提出了一种改进的多分辨率三维医学图像配准算法.该算法通过高斯滤波将三维医学图像进行多尺度化,形成多分辨率图像金字塔,以Mattes互信息作为配准框架的相似性测度.在图像金字塔的低分辨率层使用粒子群优化算法进行全局变换参数的搜索,然后以全局变换参数作为高分辨率层配准的初始参数,并以鲍威尔优化算法进行优化,完成最终的三维医学图像配准.实验结果表明,改进的算法不仅使待配准两幅图像空间位置对齐,而且较传统互信息算法提高了配准精度,鲁棒性更强,有效地解决了基于互信息的配准算法陷入局部最优的可能.