基于粒群优化的图像有序盲分离算法.docVIP

基金资助项目: 国家自然科学基金项目; 集美大学科研基金资助项目 (ZQ2013001) 基于粒群优化的图像有序盲分离算法 王荣杰1,3，詹宜巨2，周海峰1，陈美谦1 （1. 集美大学轮机工程学院，厦门 361021；2. 中山大学工学院，广州 510006; 3. 中山大学信息科学与技术学院，广州 510006.） 摘 要：针对图像的有序盲分离技术，提出一种基于粒子群优化的盲源抽取方法，该方法首先根据图像信号的高阶统计特性构造用于估计分离向量的目标函数，然后通过改进的粒子群算法优化其函数获得最佳分离向量，并实现图像信号逐次恢复的目的。仿真实验结果表明该方法不仅能依四阶累积量绝对值的降序地实现图像信号的盲分离，还能同时分离服从超高斯分布的语音信号和亚高斯分布的图像信号。 关键词：粒群优化算法；盲分离；图像信号；超高斯分布；亚高斯分布 中图分类号：TN911.7 文献标识码:A Bind Image Separation Algorithm with the Order Based on Particle Swarm Optimization WANG Rong-jie1,3, ZHAN Yi-ju2, ZHOU Hai-feng1, CHEN Mei-qian1 ( 1. Marine Engineering Institute, Jimei University, Xiamen, 361021. Wang Rong-jie, Roger811207@163.com. 2. School of Engineering, Sun Yat-sen University, Guangzhou, 510006. 3. School of Information Science and Technology, Sun Yat-sen University, Guangzhou, 510006. ) Abstract: To separate image signals one by one, we consider the blind source separation problem of instantaneous mixtures using particle swarm optimization algorithm. A goal function was constructed first by exploiting the higher statistics prosperities of image signals, then the optimal extracted vectors were determined through maximizing the goal function using improved particle swarm optimization algorithm, so as to separate image signals one by one. The simulation results show that the method can achieve the blind separation for mixed signals in decreasing order of absolute value of kurtosis. Moreover, it can separate speeches of super-Gaussian distribution and images of sub-Gaussian distribution. Key words: Particle Swarm Optimization；Blind Source Separation；Image Signal；Sup-Gussian Distribution； Sub-Gussian Distribution 引言 (Introduction) 盲源分离(Blind Source Separation, BSS)技术可以在不知道源信号和接收信号瞬时混叠参数的情况下，仅仅根据源信号的统计特征从观测到的混叠信号中恢复出所有的源信号。近年来，由于其优越的假设前提，它作为一种重要的技术被广泛应用于无线通信、生物医学工程、船舶工程、语音处理和图像处理等领域[1-6]。在图像处理领域，BSS技术可用于图像去噪、人脸识别和运动目标检测等。盲源抽取(Blind Source Extraction, BSE)是BSS技术的一种扩展，它的目的是从观测信号中逐次恢复一个或部分源信号；与BSS相比，BSE方法灵活、计算简单。解决BSE问题的算法主要有两类：