基于磨光函数ICA在交通物联网图像处理中应用研究.docVIP

基于磨光函数ICA在交通物联网图像处理中应用研究 　　摘要：论文把独立成分分析与交通物联网图像处理相结合，将基于磨光函数的独立成分分析方法应用于交通物联网的图像处理，以解决交通物联网监控视频受外界干扰等原因引起的图像传输问题，从而降低交通事故的发生率。 　　关键词：独立成分分析；磨光函数；交通图像；图像分离 　　中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2015）08-0187-03 　　Abstract：This paper combines the traffic IOT with the ICA， and applies the methods of ICA ， basing on polishing function to the image processing of TIOT . The application of this analysis method on image processing in traffic IOT will solve the image transmission problems， caused by the outside interference of traffic IOT monitoring video so as to reduce the occurrence rate of traffic accidents. 　　Key words： independent component analysis； polished function； traffic image； image separation 　　独立成分分析（Independent Component Analysis，ICA）是信号处理技术的新发展，其目的是估计出相互统计独立的、原始的、被未知因素混合的源信号。本论文在独立成分分析的基础上，对物联网的交通图像处理的研究，有助于解决交通物联网领域中遇到的实际问题，具有良好的理论价值和实践意义。 　　1 研究内容与结构 　　论文用一种基于磨光函数的独立成分分析方法，并将其应用于交通物联网中的图像处理。论文研究内容逻辑关系如图1所示，使用基于磨光函数的ICA盲源分离方法，对交通物联网图像进行处理。从而能在清晰图像的基础上，挖掘交通流信息，进行预测和能见度检测，传给交通物联网云端数据中心。 　　2 基于磨光函数的独立成分分析算法 　　对于ICA而言，如能很好的估计源信号的概率密度函数，就能很好的分离出独立的源信号，这是目前盲信号分离领域难题之一；同时，概率密度函数的非参数化估计是众所周知的另一个难题。参数个数增多往往导致问题难度的大幅增加，而非参数化问题具有无穷个参数，因此它很难估计。基于磨光函数ICA盲信号分离方法正是在此背景下提出。 　　3 基于磨光函数ICA分离图像仿真实验 　　为了验证所提基于磨光函数的独立成分分析算法的性能，本章采用标准图像测试序列（Boat， Elaine， Couple.， Lena，512*512， 8bit/像素）进行仿真验证。利用Matlab R2010a进行编程仿真，对标准测试图像进行混合，所涉及matlab函数包括imadd等，两幅图像混合的比例不等，例如1：0.2， 1：0.3， 1：0.4， 1：0.5， 0.2：0.8， 0.2：0.9， 0.3：0.9，即两幅图像信号的比例在[0，1]之间。通过不同比例的混合，获得若干盲图像，继而采用基于磨光函数ICA算法进行图像分离，并通过主观观测评价分离的效果。为了进一步说明基于磨光函数独立成分分析算法的处理效果，本文将新算法与同类算法进行效果比较，以说明其有效性和优劣性。 　　3.1 基于磨光函数ICA分离图像实验一 　　图2是标准测试图像Boat和Elaine的混合效果图。仿真过程中，可以通过参数调节，实现图像重叠的程度。继而采用基于磨光函数的ICA对其进行分离，结果分别为图3和图4所示。从图中可以看出，分离后的Boat和Elaine均存在部分叠影，但主体非常清晰。 　　图2中混合的比例为1：0.4，即图像boat占60%的信息量，图像Elaine占40%的信息量。基于磨光函数的ICA将混合图像信号作为观测信号，对其进行信号分离，得到图3和图4。文章算法对若干幅混合图像进行分离，得到相应的重构图像。图5中，源信号boat被较为清晰的分离出来，存在较少的阴影。同样，图4中，Elaine也被分离出，所存在的boat阴影较少。 　　3.2 基于磨光函数ICA分离图像实验二 　　图5是Lena与Couple的混合图，其参数设置与图2不同，为1：0.2，信号在混合过程中，会有部分丢失。经过文章算法分离之后，Couple图中出现