改进的基于独立成分分析的图像特征提取算法.pdfVIP

维普资讯 第34卷第 1期 光电工程 VoI．34．No．1 2007年 1月 Opto—ElectronicEngineering Jan，2007 文章编号：1003—501X(2007)01—0121—05 改进的基于独立成分分析的图像特征提取算法 黄启宏，王 帅，刘 钊 (电子科技大学 信息工程系，四川 成都 610054) 摘要：利用基函数稀疏性的极大值特点，本丈提出一种改进的基于独立分量分析的图像特征提取算法．通过分析 图像的拉普拉斯先验条件，独立成分分析的问题简化为 L 范数求最小的问题，但是采用其对偶空间 范数求极 大值的方法解决问题更加容易。相对其它独立成分分析方法，本丈方法不需要对高阶非线性对比函数估值进行复 杂的优化。实验结果表明，本丈算法相比其它独立成分分析算法，具有更好的稀疏性和更快的收敛速度． 关键词：独立成分分析：稀疏性；特征提取：对比函数 中图分类号：TP391 文献标识码：A Improvedalgorithm ofimagefeatureextraction basedonindependentcomponentanalysis HUANGQi—hong，WANGShuai，LIUZhao (SchoolofElectronicEngineering,UniversityofElectronicScienceandTechnologyofChina，Chengdu610054，China) Abstract：Inthispaper,an improvedalgorithm ofimagefeatureextractingforindependentcomponentanalysiswas proposedbasedonbasicfunctions’maximizationofsparseness．Startingfrom aLaplacina Priorioftheimage，theICA problemwasboileddowntoaminimum ofL’norm problem，buttheproblem wouldbemucheasiertosolvebysearching am~ imum ofitsdualspaceL norm．Thismethodavoidstheexpensiveoptimizationofhigh-ordernon-linera contrast function，whichcanbecommonlyfoundinotherICA methods．Thesimulationresultsshow theproposedmehtod has sparserandfasterconvergencethanothers． Keywords：Independentcomponentanalysis；Sparseness；Featureextraction；Contrastfunction 己JIl 言口 盲信号分离(BlindSourceSeparation，BSS)是指在不知道源信号的传输通道参数的情况下，根据输入源 信号的统计特性，仅 由观测信号恢复出源信号的各个独立成分的过程，这一过程又称为独立成分分析 (IndependentComponentAnalysis，ICA)uJ。近年来，ICA技术得到了人们的广泛关注，被广泛应用于语音 增强、图像处理、通信技术和生物医学信号分析等方面 。 ICA算法的基本思路在于求解变换矩阵 ，使其作用于观测信号 ，得到估计信号x=Wy，在统计独 立的意义下使X最逼近未知源信号X，即要找到变换矩阵 ，使得 的各个分量尽可能地相互独立。目前 绝大部分 ICA方法，主要根