【摘要】：在圖像盲源分離應(yīng)用中,傳統(tǒng)獨(dú)立分量分析(ICA)方法直接使用圖像混合源作為輸入求得解混矩陣,沒有利用圖像在變換域的稀疏特性,無法獲得較好的解混效果.針對這一問題,筆者在分析剪切波具有良好稀疏表示能力的基礎(chǔ)上,提出了一種剪切波域的稀疏分量分析方法.該方法首先將圖像混合源變換到剪切波域,得到剪切波系數(shù),接著使用峭度選擇最稀疏系數(shù),最后將稀疏系數(shù)作為ICA方法的輸入實現(xiàn)圖像分離.由于選擇較少的稀疏系數(shù),問題的求解復(fù)雜度有了顯著的降低.實驗結(jié)果表明,與傳統(tǒng)ICA方法相比,該方法獲得了更好的分離效果,且縮短了算法的運(yùn)行時間.
[Abstract]:In the application of blind image source separation, the traditional independent component analysis (ICA) method directly uses the image mixing source as input to obtain the unmixing matrix, and can not obtain a better unmixing effect without taking advantage of the sparse property of the image in the transform domain. In order to solve this problem, a sparse component analysis method in shear wave domain is proposed based on the analysis of the good sparse representation of shear wave. In this method, the image mixing source is first transformed into the shear wave domain to obtain the shear wave coefficient, and then the kurtosis is used to select the sparse coefficient. Finally, the sparse coefficient is used as the input of the ICA method to separate the image. Because less sparse coefficients are chosen, the complexity of solving the problem is significantly reduced. The experimental results show that compared with the traditional ICA method, this method has better separation effect and shortens the running time of the algorithm.
【作者單位】： 西安電子科技大學(xué)計算機(jī)學(xué)院;
【基金】：國家自然科學(xué)基金資助項目(61101248,61070143) 陜西省科技計劃資助項目(2011K06-39)
【分類號】：TN911.7

【參考文獻(xiàn)】

相關(guān)期刊論文 前4條

1 張瑾;方勇;;基于分塊Contourlet變換的圖像獨(dú)立分量分析方法[J];電子與信息學(xué)報;2007年08期

2 趙知勁;解婷婷;李小平;趙治棟;;一種小波域盲源分離算法[J];西安電子科技大學(xué)學(xué)報;2007年03期

3 劉丹華;石光明;周佳社;;一種冗余字典下的信號稀疏分解新方法[J];西安電子科技大學(xué)學(xué)報;2008年02期

4 王書振;鄒子健;李莉;張小平;;一種基于稀疏正則化的圖像盲復(fù)原方法[J];西安電子科技大學(xué)學(xué)報;2012年06期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 龔靜;陳向東;時子青;;基于CS和神經(jīng)網(wǎng)絡(luò)的傳感器網(wǎng)絡(luò)模式識別研究[J];傳感器與微系統(tǒng);2011年12期

2 葉志申;張紹鈞;黃仁泰;;壓縮感知理論及其重構(gòu)算法[J];東莞理工學(xué)院學(xué)報;2010年03期

3 湯建龍;李婷;;基于壓縮感知的線性調(diào)頻信號頻率估計[J];電子信息對抗技術(shù);2012年02期

4 石光明;劉丹華;高大化;劉哲;林杰;王良君;;壓縮感知理論及其研究進(jìn)展[J];電子學(xué)報;2009年05期

5 張宗念;黃仁泰;閆敬文;;壓縮感知信號盲稀疏度重構(gòu)算法[J];電子學(xué)報;2011年01期

6 姚俊良;楊小牛;李建東;張琰;韓維佳;;一種消除誤差累積的多級快速獨(dú)立分量分析算法[J];電子與信息學(xué)報;2009年11期

7 常威威;郭雷;劉坤;付朝陽;;基于Contourlet變換和主成分分析的高光譜數(shù)據(jù)噪聲消除方法[J];電子與信息學(xué)報;2009年12期

8 武曉s，

本文編號：2195861