中文摘要：

本项目以盲信号分离、混沌信号分析、图像处理、计算机视觉、立体图像匹配、三维人机互动等问题为背景，深入研究了关于非Shannon信息度量的若干理论问题。在盲信号分离方面，研究并解决了占格率度量中的参数优化选取问题，给出了样本数和量化级数的最优化选取公式。在混沌信号分析方面，将准熵的品质因数推广到广义互信息上，提出了广义互信息的品质因数，用理论和实验证实了准熵、占格率和广义互信息都可以有比互信息更尖锐的极值，阐明了品质因数如何影响基于凸函数的信息度量的机理。给出了广义互信息的上界，揭示了通过选择合适的凸函数，广义互信息将比互信息具有更好的数值稳定性。研究并给出了广义互信息的递归算法输出的上下界，揭示了凸函数和样本数与广义互信息递归算法输出上界的关系。在图像处理方面提出了一系列基于非Shannon信息度量的图像边缘提取算子。提出了一种新的基于非Shannon信息度量的图像阈值化方法。在计算机视觉方面提出了图像匹配中归一化互相关算法的一种快速实现方法。在立体图像匹配方面提出了一种基于彩色图像分割和自适应权重的稠密立体匹配算法。以上成果为非Shannon信息度量更广泛深入的应用提供了坚实的基础。