独立成分分析在图像降噪和水印提取中的应用.pdfVIP

摘要 独立成分分析 （ICA）是盲信号处理中的一种重要的方法。它的提出本是为了解决“鸡 尾酒会”的问题，但随着研究的深入和ICA 自身的优点，使得它被运用到更多地领域当中， 例如：图像处理，无线通信，金融数据分析等等。ICA 的特点表现为：其一，ICA 假设各 源信号为统计独立的，在大多数的现实应用中这个假设是可以成立的；其二，与ICA 类似 的方法，如：主成分分析（PCA）,去相关和白化等通常只能估计模型的某一方面，ICA 则 可以对模型的多方面进行估计。 结合 ICA 的特点，本文将ICA 应用在数字图像处理中，主要对图像降噪和水印提取两 个方面进行研究。在图像降噪方面，本文对 ICA，中值滤波，自适应维纳滤波，小波分解 进行图像降噪性能的比较，通过在多种噪声环境下的实验，验证了ICA 在多种噪声环境下 具有稳定的降噪性能，这为复杂噪声背景下的图像降噪提供了一种有效的解决方法；在水 印提取方面，本文提出了一种基于 FastICA 和小波分解的数字水印技术（ICAW），并将其 和最不显著位法（LSB）在无攻击和有攻击的情况下进行对比，从而验证了ICAW 技术在多 种攻击环境下具有较强的鲁棒性，这为图像版权的鉴定和版权所有者权利的保护提供了一 种可行的技术方案。 关键词：独立成分分析，数字图像处理，图像降噪，水印提取 Ⅰ 万方数据 Abstract Independent Component Analysis(ICA) is one of the important method of blind signal processing. It is put forward to solve the problem of “Cocktail Party”, but with the research goes deeper and with the advantages of ICA, ICA has been used in many other fields, like: image processing, wireless communication, financial data analysis and so on. The features of ICA can be concluded into two points: on one hand, each source signal is supposed to be statistically independent in ICA, and this suppose is correct in most of the applications; on the other, some methods which are similar to ICA, like: Principal Component Analysis(PCA), decorrelation and whitening, can only estimate one aspect of a module, but ICA can be used to estimate more aspects of a module. With the features of ICA, this study using ICA to research in image processing. This study focuses on the fields of image denoising and watermark extracting. In the aspect of image denoising, we compare the performance of ICA,median filtering, adaptive wiener filtering and wa