快速独立分量分析方法及其在图像分析中的若干应用研究-模式识别与智能系统专业论文.docx

1博，}：论文 1博，}：论文 快速独●．分量分析A浊及j}托划像分析中的若 t埘Jf】研究 摘要 独立分量分析是信号处理技术的新发展，它作为茸信号分离的一种有效方法而受 到广泛的关注。独：护分量分析算法通过计算数据的高阶统计信息，可以从观测信争11 估计出相互统计独立的、原始的、被未知因素混合的信号的估计信号。山于算法能够 反映图像数据的高阶统计特征，在图像处理巾得到成功的应用。本文对独立分量分析 快速算法及其在图像处理方面的应用进行了深入研究，主要有以下几方面的下作： 研究了独立分量分析算法，特别是独立分量分析算法中的快速算法FastlCA。在 分析FastlCA算法的核心迭代过程的基础上，提出了改进算法M．FastlCA，改善了算 法的收敛性能，减少算法的迭代次数。针对M—FastlCA算法的收敛依赖于初始权值的 问题，在算法过程中加入松弛因子，提山LM．FastlCA算法，改善了算法对初始权值 的依赖性。 对卫星多光谱遥感图像的成像机理进行分析，认为多波段遥感图像是独立地物的 谱段信息的随机混合结果。应用独立分量分析算法划其进行分离，使每个独立分量尽 量集中某些地物的信息，比主成分分析算法具有更好的可分离性，并得到了更好的分 类结果。 应用M—FastlCA算法提I双Yale人脸库图像和CENPARMl手写体阿拉们数宁席的 心个常用特征的独立分罱特征用于识别，获得较主成分分析方法更好的效果，并且柏： 保持与FastlCA相同的识别率的前提下，具有更快的计算速度。 ’认为图像中的噪音和图像数据的信息是相互统计独立的，应用独立分量分析算法 从无噪音的图像上获得统计信息，并将统计信息应用到包含噪音的图像上，将独立的 噪声数据去除。相对于常规的噪音处理方法，独立分量分析算法对保留原图像的信息 是较佳的。 关键词：独立分量分析，主成分分析，固定点算法，FastlCA，M—FastlCA，图像处理， 遥感图像分类，图像特征提取，图像去噪 摘群 摘群 悼L沦史 Abstract Independent Component Analysis(ICA)was a new development of signal processing． As an effective method to the separation of blind signals，ICA had attracted broad attention． Calculated higher—order statistics information，ICA could estimate the source signals， which was statistics independent and mixed by unknown factor，from the observed signals． Because ICA reflected hi曲er-order statistics characteristic of image data，it had successful application in many fields of image processing，Tiffs paper discussed ICA’S fast algorithm mld its several applications ill image processing： ICA algoritlma and its fast algorithm(FastlCA)were introduced．M—FastlCA was advanced based analyzing kernel iterate course of the FastlCA algorithm．M—FastlCA improved convergence performance and reduced iterations．Aimed at the convergent speed of M．FastlCA was dependent on initial weights．LM-FastlCA was advanced by imported looseness agent，and reduced the dependence on initial weights． Analyzing the imaging me