ICA技术及其在图像去噪中的应用
独立分量分析(ICA)是一项较新技术.在过去的十几年中,ICA已经有了迅速的发展,并且已经提出很多有效的ICA算法.ICA可以仅由几个相互独立的分量混合而成的观测信息中并根据简单的几个假设条件,还原出原始相互独立的分量.可以利用ICA这一特点把与噪声数据相互独立的图像数据进行分离,从而达到图像去噪的效果.并且ICA提取的特征基是利用数据自身的统计特性求得的,对于不同的处理对象会提取不同的特征基,这样提取出来的特征基具有自适应性.利用ICA这一特性对图像进行特征基提取,对原始有噪图像数据进行变换,从而在新的变换域中对变换后的有噪图像数据进行收缩去噪,就可以达到较好的图像去噪效果.论文利用ICA算法对有噪图像进行去噪.一般ICA算法分为两种图像去噪方式.一种方法是虚拟通道去噪方法.本论文对有噪图像进行小波分解,构建出一个虚拟通道,把虚拟通道做为一个输入量,把有噪图像和虚拟通道进行分离,可以得到去噪后的图像.对于虚拟通道的构建及对不同的噪声做了实验,并用参数对去噪后的图像进行测量,同时将利用这种方法进行去噪后的图像和利用传统去噪方法进行去噪后的图像进行对比.另一种方法就是稀疏编码收缩去噪方法.即利用ICA求出合适的基,从而对有噪图像进行线性变换,变换到另一个域值中,在变换域中,对变换后的数据进行收缩,从而达到图像去噪.本论文利用FastICA算法对图像进行学习,得到特征基,从而利用特征基对有噪图像进行变换,利用最大似然方法对有噪分量进行估计原始无噪声分量,得到去噪后的图像.同样,利用参数对去噪后的图像进行测量,也与传统的图像去噪效果进行比较,总结出稀疏编码去噪方法对哪些图像有更好的去噪效果.
- 作者:
- 张艺
- 学位授予单位:
- 东北石油大学
- 专业名称:
- 通信与信息系统
- 授予学位:
- 硕士
- 学位年度:
- 2010年
- 导师姓名:
- 刘继承
- 中图分类号:
- TP391.41
- 关键词:
- ICA;虚拟通道;稀疏编码去噪;特征提取;图像去噪
- ICA; virtual channel; sparse coding denoising; feature extraction; image denoising