1. 研究目的与意义
目前与木材干燥时水分场分布研究相关的文献很少. 为了找出木材中水分在干燥过程中的变化规律,对干燥中的木材定期进行CT 扫描,并对不同干燥阶段的木材CT 图片数据进行分析. 由于干燥周期较长,在此过程中木材位置会发生一定量的偏移和旋转. 因此,在对数据进行分析之前,首先必须对扫描出的CT 图片加以配准. 以广义互信息作为相似性测度对木材CT 图像进行配准,对传统的配准算法进行改进,改进后的算法使得互信息函数更加平滑,不会在图像发生整数倍像素位移时产生局部极值,同时对标准遗传算法进行改进,有效解决了遗传算法搜索时过早收敛的问题,配准准确性和鲁棒性都有很大提高. 本文中算法也可以应用在医学图像的配准中,具有一定的使用价值.
2. 国内外研究现状分析
国内研究状况：
国内学者也对图像配准进行了广泛的研究。张见威,韩国强,沃炎[2]根据相似性测度分类,将配准技术分为两类:基于几何特征的配准方法和基于像素灰度的配准方法。前者计算量小、速度快,但配准的准确性取决于特征提取的情况;后者直接利用图像的灰度数据进行配准,从而避免了因分割而带来的误差,具有精度较高、鲁棒性强、不需要预处理而能实现自动配准的特点,但计算量大。
张红颖,张加万[5],孙济洲在这些方法中,使用基于shannon熵的互信息测度。基于renyi熵的互信息测度。而当renyi熵中的参数时,renyi熵等同于shannon熵。
3. 研究的基本内容与计划
木材图像配准就是对从不同传感器在相同或不同的时间、相同或不同的视角对同一场景拍摄的 2幅或多幅图像进行空间域上的匹配 ,图像配准的目的就是要让同一目标在不同的图像上具有相同的坐标位置。相似性测度用来表征配准程度。
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。与传统的基于互信息的配准方法相比, 广义互信息算法使得搜索算法不易陷入局部极值, 提高了配准的准确率和运行时间.
首先对木材采样，熟悉图像。然后通过查阅各种资料弄懂互信息原理。最后弄懂编程语言，并用之前的MATLAB环境编写程序，实现各种操作。之后撰写论文并完成答辩。4. 研究创新点
互信息起源于Shannon 信息论,是两组数据依赖程度的统计性度量,它测量两个变量中相互包含对方的信息量,适用于配准不同模态的图像,目前以互信息量作为相似性测度的配准方法逐渐成为当前研究的热点.
广义互信息( Generalized mutual information ,GMI) 是互信息测度的一种改进,广义距离度量不同于Shannon 互信息,它拓宽了人们的选择空间。我们通过采用GMI 法对木材图像进行配准,验证了新配准测度的有效性,证明了基于广义距离的配准测度与Shannon 熵的互信息测度有着不同的适用范围 。新的广义距离度量不仅可以用于处理多模态图像的配准问题,从理论方法上来说,它们可以应用于更广泛的研究工程领域,例如,信息理论、统计物理学、模式识别、语音识别、化学结构或生物特征相似性的判断、模糊集等众多领域。因此, GMI的概念和方法值得进一步研究和发展。
