关键词:
独立分量分析
盲信号处理
数字图像处理
数字图像的高通滤波
白化过程
单调性比值
摘要:
独立分量分析(ICA)是近期发展起来的一种非常有效的盲信号处理技术,在许多应用领域正发挥着越来越重要的作用。ICA具有重要的理论和应用价值,在无线通信、声纳、语音处理、图像处理和生物医学等领域具有广泛而诱人的应用前景,在过去的十几年时间里,有关的理论和算法研究都得到了较快的发展,并涌现出了许多有效的算法。目前,ICA已经成为国际上信号处理和人工神经网络等学科领域的一个研究热点。 本论文对ICA算法的基本理论进行了详细的分析,按ICA方法的处理过程划分为三个部分:批处理方法、自适应处理方法及其他的一些处理方法。并研究了ICA方法在图像处理中的应用,包括混合图像的盲分离、图像特征提取与识别、数字图像滤波处理等,并提出了一些有效的改进办法。 论文的主要贡献及创新点包括以下几个方面: (1)针对日常生活中两幅图像会出现混叠的情况,根据数字化图像灰度值范围有界特性和一般信号盲源分离的方法,提出了一种利用分离比值函数单调特性达到数字图像盲源分离目的的算法。这种算法根据接收端接收到的观察信号,确定观察信号之间比值函数,通过该比值函数的单调性分析,可以找到分离矩阵中的关键值,从而实现图像的盲源分离。该算法无需过多的先验知识,没有统计相关性的约束条件,而且分离速度快,效果明显,鲁棒性很强。 (2)根据独立分量分析方法的特性,针对数字图像滤波提出了一种新颖的方法。该方法将原始图像和整体向右平移一列的图像看作ICA的观测信号,对这两幅强相关性图像组成的矩阵信息进行ICA处理,可以得到一幅锐化图像,表明ICA在这种情况下具有高通滤波的性能。计算机仿真实验结果说明,这种方法提取出的锐化图像具有层次感强,定位精度高等特点,是一种有效的滤波方法。 (3)充分考虑到数字图像信号长度有限和准周期的特性,通过构造一个隐含在分离算法中的预处理模块来提高其时间效率。改进了传统盲源分离算法中预处理方法,利用逐点接收的数字图像信号,实时地调整自适应处理器中网络参数,可以将接收到的混合信号高速、有效地进行分离,同时改进了传统梯度算法的迭代方程,以保证算法的稳定性,可以实现对多个源的混合图像信号进行实时的分离,并且有效提高了分离的精度。该算法复杂度较低,易于工程实现,在电视电话会议、无线通信、雷达成像、生物医学信号分析等领域内将具有广泛的应用前景。 本论文对ICA方法的理论和应用进行了深入的研究,所提出的算法及其在数字图像处理中的应用研究具有一定的创新性,特别是对于ICA在图像处理中的应用研究,具有一定的参考价值和实际意义。