基于独立分量分析的图像特征提取及泊松噪声去除.pdfVIP

维普资讯 第33卷第 11期 光电工程 Vo1．33，No．11 2006年 11月 Opto-ElectronicEngineering Nov,2006 文章编号：1003—501X(2006)1卜0128—05 基于独立分量分析的图像特 征提取及泊松噪声去除 黄启宏，段 昶，刘 钊 (电子科技大学 信息工程系，四川 成都 610054) 摘要：针对泊松噪声具有与信号相关和不一致性分布的特性，提出了一种基于独立成分分析(ICA) 的软阈值滤波算法。泊松噪声对基于高阶统计量的ICA变换不敏感，其能量均匀分布在ICA域。 首先将包含泊松噪声的图像变换到ICA域，然后再对图像独立成分进行软阈值滤波。该算法对图 像和噪声具有 自适应能力，在噪声去除和图像细节保留方面达到一个平衡。实验结果表明：该算 法不仅可以有效去除图像中的泊松噪声和提高图像质量，而且具有良好的鲁棒性。 关键词：独立成分分析；稀疏性；软闽值；特征提取；泊松噪声 中图分类号：TP391．4 文献标识码：A Imagefeatureextractionandpoissonnoiseremoval basedonindependentcomponentanalysis HUANGQ~hong，DUANChang，LIUZhao (DepartmentofinformationEngineering,UniversityofElectronicScienceand TechnologyofChh~a，Chengdu610054，China) Abstract：Accordingtothepropertyofsignal-dependenceandunevendistributionofPoissonnoise，a sott-thresholdingfilteringalgorithm basedonIndependentComponentAnalysis(ICA)isproposed． PoissonnoiseisnotsensitivetoICA transformbasedonhigh-orderedstatistics，andtheenergyofnoise willuniformly spread in ICA domain．The image isfirsttransformedto ICA domainandthen the independentcomponentsofimagecontaminatedbyPoissonnoiseareremovedby soft-thresholding filtering．Thealgorithm adaptstoboththeimageandthenoise，nadbalnacethetradeoffbetweennoise removalandpreservingofimagedetails．Experimentalresultsshow thatthealgorithm isefficientfor Poissonnoiseremoving，improvetheimagequality,andhasgoodrobustness． Key words： Independentcomponentnaalysis；Spraseness；SOR-threshOlding；Feature extraction； Poissonnoise 引 目 独立成分分析(IndepedentComponentAnalysis，简称 ICA)是近年来发展