改进çš?/p>
FastICA
算法在图像盲分离中的应用
改进çš?/p>
FastICA
算法在图像盲分离中的应用
摘要:在系统研究独立分量分析基本原理、快速算法的基础上,
提出了一种改进的独立分量分析快速算法ã€?/p>
引入了一种综合考虑
峰度和偏度的新的简单目标函数,
并对独立分量分析的快速算æ³?/p>
流程提出了改进ã€?/p>
改进的算法在图像盲分离中得到了应用ã€?/p>
实验
结果表明,该算法显著提高了独立分量分离效果。关键词:独ç«?/p>
分量分析;峰度;偏度;图像盲分离
盲源分离
BSS(Blind Source Separation)
是信号处理领域的热点ï¼?/p>
�/p>
着广泛的应用前景ã€?/p>
盲源分离是在对信源和通道先验知识甚少çš?/p>
情况下,
仅由观察信号推断信源和通道特性,
从线性混合的观测
信号中分离出独立的信号源ã€?/p>
传统的盲源分离往往关注于信号的
一阶统计量ï¼?/p>
研究信号间的相互关系ï¼?/p>
如主分量分析
PCA(Principal
Component Analysis)
分解出的分量只是相互正交,具有明显局é™?/p>
性ã€?/p>
独立分量分析
ICA(Independent Component Analysis) [1-2]
则基
于信号的高阶统计量,
利用高于二阶的统计信息正确实现源信号
分离和恢复,
并从多通道测量所得到的由若干独立信源线性组å�?/p>
的观察信号中ï¼?/p>
将这些独立成分分解开来,
具有更实际的物理æ„?/p>
义。在诸多
ICA
算法中,固定点算æ³?/p>
(
也称
FastICA)
以其收敛速度
快ã€?/p>
分离效果好被广泛应用于信号处理领域ã€?/p>
该算法是基于定点
递推算法得到的,
对任何类型的数据都适用ï¼?/p>
能很好地从观测信