ICA及其在數(shù)字圖像處理中的應(yīng)用.pdf_第1頁
已閱讀1頁,還剩66頁未讀 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、獨立分量分析(ICA)是近期發(fā)展起來的一種非常有效的盲信號處理技術(shù),在許多應(yīng)用領(lǐng)域正發(fā)揮著越來越重要的作用。ICA具有重要的理論和應(yīng)用價值,在無線通信、聲納、語音處理、圖像處理和生物醫(yī)學(xué)等領(lǐng)域具有廣泛而誘人的應(yīng)用前景,在過去的十幾年時間里,有關(guān)的理論和算法研究都得到了較快的發(fā)展,并涌現(xiàn)出了許多有效的算法。目前,ICA已經(jīng)成為國際上信號處理和人工神經(jīng)網(wǎng)絡(luò)等學(xué)科領(lǐng)域的一個研究熱點。 本論文的主要工作在于引入了一種新的特征提取方法——

2、獨立分量分析。獨立分量分析的根本原理是通過分析多維觀測數(shù)據(jù)間的高階統(tǒng)計相關(guān)性,找出相互獨立的隱含信息成分,完成分量間高階冗余信息的去除及獨立信源的提取。獨立分量分析是信號處理技術(shù)的新發(fā)展,它作為盲信號分離的一種有效方法而受到廣泛的關(guān)注。獨立分量分析算法通過計算數(shù)據(jù)的高階統(tǒng)計信息,可以從觀測信號中估計出相互統(tǒng)計獨立的、原始的、被未知因素混合的信號的估計信號。能夠反映圖像數(shù)據(jù)的高階統(tǒng)計特征,在圖像處理中得到成功的應(yīng)用。本文對獨立分量分析及其

3、在圖像處理方面的應(yīng)用進(jìn)行了研究,主要有以下幾個方面的工作: (1)整理ICA的基本原理、發(fā)展歷史以及介紹與ICA密切相關(guān)的概率、統(tǒng)計、信息論基礎(chǔ)知識; (2)爭對獨立性度量問題,介紹了ICA獨立性度量的幾種方法;詳細(xì)介紹ICA基于信息論的幾種算法; (3)我們用FastICA算法對自然圖像提取獨立基,并利用Hyvarinen等提出的算法對有噪圖像進(jìn)行去噪; (4)在本論文中,我們分別用PCA、ICA方法對

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論