基于維納濾波和快速獨立分量分析的有噪混合圖像盲分離

摘要:簡要介紹了獨立分量分析的基本數(shù)學(xué)模型和算法，在此基礎(chǔ)上探討了獨立分量分析在有噪混合圖像分離中的應(yīng)用，提出了一種結(jié)合維納濾波去噪與獨立分量分析相結(jié)合的解決方法#65377;實驗結(jié)果表明，該方法能有效地降低噪聲信號的影響，較好地恢復(fù)了原始圖像#65377;

關(guān)鍵詞:獨立分量分析;盲源分離;維納濾波;圖像信號

中圖分類號:TP911文獻標志碼:A

文章編號:1001-3695(2007)10-0161-02



獨立分量分析[1，2]是一種新的盲源分離技術(shù)，它是在未知傳輸信道的情況下，從多個統(tǒng)計獨立信號的混合信號中分離出源信號的一種技術(shù)#65377;ICA算法由于能利用高于二階的統(tǒng)計信息而正確實現(xiàn)源信號分離和恢復(fù)，因此在通信#65380;陣列信號處理#65380;語音信號處理#65380;生物醫(yī)學(xué)信號處理等方面都得到了廣泛的應(yīng)用并且有著良好的應(yīng)用前景，但是ICA假設(shè)條件較嚴，尤其是在噪聲較大時，源信號的分離效果顯著惡化#65377;如何分離含有噪聲的原始信號，即如何將ICA技術(shù)應(yīng)用于含有噪聲的源信號分離，是ICA問題的一個有意義的研究方向#65377;

維納濾波器是經(jīng)典的線性去噪濾波器#65377;當(dāng)信號與噪聲同時作用于系統(tǒng)時，它通過設(shè)計濾波器的參數(shù)使濾波器輸出端以均方誤差最小準則恢復(fù)輸入信號，從而使輸出噪聲得到最大抑制#65377;維納濾波常用于從加性噪聲中恢復(fù)未知信號#65377;在均方誤差最小的最優(yōu)準則下，維納濾波是一種最優(yōu)濾波器#65377;

本文將維納濾波[3]與獨立分量分析技術(shù)結(jié)合起來，對含有噪聲的圖像進行了分離，并且對結(jié)果進行了分析#65377;

5結(jié)束語

本文嘗試用獨立分量分析與維納濾波去噪相結(jié)合去處理混合含噪圖像#65377;實驗表明，在利用ICA處理含噪信號前，用維納濾波去噪，能明顯改善分離效果，提高分離信號的信噪比#65377;

參考文獻:

[1]GIROLAMI M.An alternative perspective on adaptive independent component analysis algorithms[J].Neural Computation，1998，10(8):2103-2114.

[2]IGUAL J，VERGAM L，CAMACHO A.Independent component analysis with prior information about the mixture matrix[J].Neurocomputing，2003，50(1): 419438.

[3]趙昱，申鉉國.非重疊背景噪聲下的自適應(yīng)維納濾波模式識別方法[J].光學(xué)技術(shù)，2005，13(1):90-95.

[4]HHVARINEN A，OJA E.A fast fixedpoint algorithm for independent component analysis[J].

Neural Computation，1997，9(7):14831492.

[5] SHI Zhenwei，TANG Huanwen，TANG Yiyuan.A new fixedpoint algorithm for independent component analysis[J]. Neuralcomputing，2004，56: 467-473.

“本文中所涉及到的圖表、注解、公式等內(nèi)容請以PDF格式閱讀原文”