利用归一化互信息进行基于像斑的遥感影像变化检测

提出了利用遥感影像分割获取像斑进行变化检测的方法。将归一化互信息引入到遥感影像变化检测中,利用像斑的灰度直方图以及联合灰度直方图计算像斑的归一化互信息,依据条件熵最小的原则,获取最佳划分阈值,并与相关系数法进行了比较。实验结果显示归一化互信息法更适用于遥感影像变化检测。

基于归一化互信息向量熵的多幅图像配准方法

提出了一种新的多幅图像配准方法,归一化互信息向量熵方法。这种方法先计算任意两幅图像间的联合概率分布,然后根据联合概率分布计算它们间的归一化互信息,把所有两幅图像组合得到的归一化互信息组成一个向量,最后计算该归一化互信息向量的熵。最大熵对应最佳配准位置。通过对人体脑部图像的刚体配准实验,从函数曲线、计算时间和配准精度方面,对新方法和其它三种方法进行了分析和比较。实验结果表明,新提出的方法可以提高配准精度、减少配准时间。

基于归一化互信息与模糊自适应PSO的图像自动配准方法

提出了一种基于归一化互信息相似性判据,并采用模糊自适应粒子群优化算法(particle swam optimization,PSO)作为搜索策略的图像自动配准方法。由于互信息方法不能解决图像缩放的问题,该方法在计算图像互信息之前,先对图像进行尺寸相同化操作;同时针对互信息方法中目标函数易陷入局部极值及搜索速度慢的问题,该方法采用归一化互信息作为相似性准则,并提出以模糊自适应PSO算法作为优化策略来提高配准速度和精度的方法。实验表明,采用归一化互信息作为配准测度,可提高配准的鲁棒性,而且,引入了模糊推理机之后,配准效率得到大幅提高,用该方法对具有仿射变换的图像进行配准能得到快速、精确的配准结果,证明了该算法的可行性和有效性。

改进的基于最大归一化互信息的医学图像配准算法

作者提出了一种基于最大归一化互信息的医学图像配准算法。该算法利用改进的部分体积插值法进行插值计算,有效地克服了图像配准中常见的局部极值问题。该算法利用最大互信息作为目标函数,POWELL优化搜索算法搜索一个最大互信息量从而获得最佳配准参数。实验证明,该算法计算简单,配准速度快,具有更好的精确性和鲁棒性。

基于归一化互信息的CT-MRI脑图像配准

医学图像配准研究有非常重要的临床应用价值。针对现在流行的基于最大互信息量的配准方法展开分析和研究。在此基础上对比研究了归一化互信息配准法。通过对一组CT-MR脑图像配准的仿真研究,证明归一化互信息配准法的配准效果很好。特别是在图像重叠区域较小的情况下,比最大互信息配准法效果优越。

归一化互信息与多分辨率融合的2D-3D配准方法

针对微创脊柱手术配准环节中存在的配准精度和效率低的问题,本文提出了一种2D-3D配准方法。采用基于区域贡献的归一化互信息与多分辨率策略相结合的方法,并通过改变配准步长,研究配准精度和时间。整体配准精度提高了40%,配准时间缩短了53%,当配准步长由0.1降到0.05时,其配准精度提高了8%,配准时间增加了12%。由此可知,配准步长变小时,配准精度相对提高,但配准时间增加。此算法可以实现三维与二维图像的配准,且可以有效提高配准精度和配准效率,基本符合医生手术过程图像配准3 mm以内的需要。

噪声对三维图像归一化互信息配准的影响

在三维图像配准方法中,归一化互信息法精度高、鲁棒性强、使用范围广。本文以归一化互信息为相似度对三维图像进行了配准,并采用了蒙特卡罗(MC)的方法研究噪声对三维图像配准的影响。实验发现,噪声的存在会造成归一化互信息的统计误差,使归一化互信息变小。为了消除噪声的影响,根据图像的灰度直方图,本文提出一种将灰度直方图进行区域分割后再配准的方法,减小了噪声造成的灰度值涨落和统计误差。研究表明,该方法可抑制噪声的影响,改善局部极值,减小误匹配,从而提高了归一化互信息,进一步完善了基于归一化互信息的图像配准。

基于梯度与归一化互信息的印刷图像配准

目的为了提高印刷图像配准的精度。方法提出一种基于梯度和归一化互信息的印刷图像配准方法。首先获取图像的归一化互信息,同时使用边缘检测算子获取图像边缘梯度的模值和方向角,然后根据边缘梯度信息和归一化互信息构造新的测度函数,以新的测度函数为目标函数,用Powell优化算法获取用于配准的最优参数。结果通过将文中提出的方法和基于归一化互信息的图像配准方法分别用于印刷图像配准,得到的统计实验结果表明,对于100项随机配准参数,新方法得出的配准误差波动幅度更小,配准精度更高。结论文中所提方法在准确性上优于基于归一化互信息的图像配准方法。

基于归一化互信息的FCBF特征选择算法

针对高维数据中不相关特征、冗余特征等导致的分类任务计算量大、分类正确率低等问题,提出了一种基于归一化互信息的相关性快速过滤特征选择(FCBF-NMI)算法.该算法采用归一化互信息代替对称不确定性作为FCBF算法的相关性评价标准,进行特征与类别、特征与特征的相关性分析,删除不相关特征及冗余特征以获得最优特征子集.实验结果表明:FCBF-NMI算法得到的最优特征子集更合理,平均分类正确率为89.68%,所用时间平均低至2.64s.

基于归一化边缘互信息与自适应加速粒子群的图像配准方法

传统的归一化互信息配准方法未利用图像的空间信息,当图像中混有一定噪声时,会出现误配准。边缘是图像最基本的特征之一,为了改进归一化互信息方法,提高图像配准的精度,加快收敛速度,将图像的边缘信息与灰度信息自适应地结合,形成归一化边缘互信息测度(NCMI),提出一种基于加速因子的自适应加速粒子群优化算法(AAPSO)来优化基于NCMI测度的图像配准。AAPSO算法通过对解排序,将指定数量的劣解进行进化加速来引导粒子的飞行,并对自适应惯性权重公式加以改进,提高了算法的收敛性,防止早熟收敛并增加优化解的多样性,同时加入加速因子来提高收敛速度。实验结果表明,该方法配准精度高,速度快,具有较强的实用性。

基于互信息的医学图像配准技术研究进展

基于互信息的图像配准方法具有自动化程度高、配准精度高等优点,已被广泛应用于医学图像的配准。详细地介绍了互信息的基本概念、归一化互信息、互信息计算中常用的变换模型、插值方法、优化算法及提高配准速度策略等。同时对互信息在配准技术中存在的问题及解决方法进行了系统地介绍,最后对今后互信息的研究工作作了展望。

基于归一化点向互信息的低资源平行语料过滤方法

神经机器翻译的效果严重依赖于平行语料的规模和质量,而当前的平行语料抽取方法和生成方法只能提供规模足够但质量不佳的平行语料。因此,要在这些大规模低质平行语料上训练高质量的神经机器翻译系统,需要对这些平行语料进行有效过滤。针对这一问题,引入了归一化点向互信息算法来抽取噪声语料中的对齐信息,利用其中可靠性高的对齐信息来过滤噪声语料。利用该方法在OpenSubtitles的泰语—汉语翻译方向上提高了5.8个双语评估替补(Bilingual Evaluation Understudy,BLEU)值,汉语—泰语翻译方向上提高了10个BLEU值。此外,该方法在2020年国际机器翻译大赛给出的柬埔寨语—英语单向翻译任务中实验,得到的结果比基线高了0.4个BLEU值。

基于互信息的颅脑MR影像序列的三维配准

医学图像配准具有重要的临床应用价值,并一直是医学图像处理领域的热点研究问题。基于互信息的配准方法由于自动化程度高和配准精度高的优点而被广泛应用于三维医学图像配准;但是,也存在着数据量大、计算速度慢的问题。采用归一化互信息测度,并将一种新的正交优化技术应用于颅脑MR影像序列的三维配准,旨在缩短处理时间。将该方法与使用传统优化算法的配准方法作了比较,实验结果表明,提出的方法能够显著提高配准速度,且不降低配准精度。

基于互信息的医学图像配准实验

基于互信息的配准方法 ,包括互信息和归一化互信息方法 ,是目前医学图像配准中无创、自动且精度很高的一种方法 ,已经被广泛应用。但是在其目标函数中存在着一定程度的幅值振荡现象 ,特别是在单模态图像配准中。我们研究发现 ,产生这种振荡的原因除了插值赝像外 ,还有由配准过程中图像重叠部分发生变化而引起的熵的变化不确定性。由插值赝像所带来的振荡基本上可以被消除掉 ;由熵的变化不确定性所带来的振荡很难被消除 ,但是这种振荡作用在归一化互信息中影响不大。归一化互信息比互信息具有更高的稳健性 ,适合于更广的应用范围。

结合互信息通道选择与混合深度神经网络的脑电情感识别方法

针对单模态深度神经网络(Deep Neural Network, DNN)难以充分提取情感分类任务中脑电信号的多域特征,且脑电信号中存在通道冗余的问题,提出一种结合互信息通道选择与混合深度神经网络的脑电情感识别方法,首先提取各通道信号中γ节律的微分熵(Differential Entropy, DE)特征,通过DE计算通道间的归一化互信息(Normalized mutual information, NMI),将所得NMI矩阵按列求和后的向量作为表征各通道任务相关性的权值,根据权值选出最优通道集,之后采用卷积神经网络(Convolutional Neural Networks, CNN)和长短期记忆网络(Long-short term memory neural network, LSTM)相结合的混合DNN网络进行样本特征提取和分类。该方法分别在DEAP数据集的效价(Valence)和唤醒度(Arousal)上取得了87.60%和88.58%的平均分类准确率,表明了所提出方法的可行性和有效性。

基于CUDA的改进互信息并行计算方法

基于计算统一设备架构(CUDA)的互信息并行计算方法存在因bank冲突而导致执行效率降低的问题。为此,提出一种改进的互信息并行计算方法。利用CUDA的线程层次模型和共享存储器,按等步长数据并行访问方式计算直方图,结合共享存储器,通过分块两次归并方法计算联合熵,采用生成树归并算法避免bank冲突,使用指令展开策略进一步优化执行效率,由熵和联合熵完成互信息计算。实验结果表明,该方法在避免bank冲突的同时,能有效提高互信息计算效率。

基于互信息的多分辨率三维脑图像配准方法

在 3 D多模医学图像的配准方法中 ,最大互信息法精度高、鲁棒性强、使用范围广。本文将归一化互信息作为相似性测度 ,采用不同的采样范围和采样子集 ,使用 Powell多参数优化法和 Brent一维搜索算法对 3 D CT、MR和 PET脑图像进行了刚体配准。为了加快配准速度 ,使用了多分辨的金字塔方法。对 PET图像采用基于坐标的阈值选取方法对图像进行分割预处理 ,消除了大部分放射状背景伪影。

互信息医学图像配准研究与局部极值的克服

研究了基于互信息的三维医学图像配准,并克服了的局部极值问题。改进了互信息和归一化互信息的公式,减小了计算量;对Powell算法的方向替换策略进行矫正,最大限度地保持原搜索方向;采用预设旋转量的方法有效解决了插值赝像局部极值问题。采用背景阈值策略,减小了互信息的计算区域,应用形态学方法,去除了PET图像的背景伪迹,使用了多分辨率策略,有效地提高了配准的速度。实验表明,用该改进的算法进行三维医学图像配准可以达到亚像素精度,且在速度上有了明显的提高。

尺度空间图像的互信息与配准

提出基于多尺度图像的互信息测度的配准方法,主要讨论这种方法的性能。提出这种方法的主要目的是在保证这种方法的准确性和鲁棒性的同时加快配准速度,并且具有强抗噪性。将这种方法在MR图像和CT图像上进行检验。这是首次将属性尺度空间与互信息结合,实验表明多尺度图像的互信息测度是一种行之有效的配准方法。

基于互信息和混合算法的印刷图像配准

目的为了提高印刷图像配准的精度,提出一种基于混合搜索算法的图像配准方法。方法首先求取图像的归一化互信息,然后利用GA算法(遗传算法)进行全局搜索,得出粗配准参数;最后,利用Powell算法进行局部寻优,得出精配准参数。结果混合算法的配准结果与只用单一Powell搜索算法或只用单一GA搜索算法相比,在各个几何变换方向上得到了更小的配准误差。结论与GA算法和Powell算法相比,文中建议的混合算法配准精确度更高、速度更快。