图像的盲分离.doc

《图像的盲分离.doc》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、信息处理课群设计任务书学生姓名：专业班级：指导教师：工作单位：武汉理工大学题目:图像的盲分离基础强化训练目的目的：通过课程设计，使学生加强对信号处理的理解，学会查寻资料﹑方案比较，以及设计计算等环节。培养学生综合运用所学信号与系统、数字信号处理等信息处理知识，分析和解决工程技术问题的能力。训练内容和要求根据盲信号分离原理，选取两个以上相同大小的图像，选择合适的混合矩阵生成若干混合图像。选取合适的盲信号分离算法（如独立成分分析ICA等）进行训练学习，求出分离矩阵和分离后的图像。设计要求（1）选取两个以上大小相同的原图像，并绘制每个图像的直方图。（2）采用混

2、合图像进行训练学习，求出分离矩阵编写出相应的确matlab代码。（3）用求出的分离矩阵从混合图像中分离原图像，并做出分离图像的直方图。（4）做出原图像和分离后图像的差值图，和差值图对应的直方图。对结果进行对比分析。时间安排：序号设计内容所用时间1根据课题的技术指标，确定整体方案，并进行参数设计计算2天2根据实验条件进行全部或部分程序的编写与调试，并完成基本功能7天3总结编写课程设计报告1天合计2周指导教师签名：年月日系主任（或责任教师）签名：年月日目录摘要2Abstract31盲分离原理41.1盲信号处理的基本概念41.2盲信号处理的方法和分类51.3盲

3、源分离法61.3.1盲源分离技术61.3.2盲分离算法实现62ICA基本原理73FastICA算法原理及实现83.1数据的预处理83.2FastICA算法原理103.3FastICA算法的基本步骤及流程图124图像的盲分离仿真与分析135总结176参考资料18附录1matlab源程序19摘要盲信号处理(BSP)是目前信号处理中最热门的学科之一，它具有可靠的理论基础和许多方面的应用潜力。事实上，BSP已成为重要的研究课题，并在许多领域得到发展。多源混合信号的盲分离技术在通讯、语音信号处理、生物医学信号处理、阵列信号处理以及通用信号分析等方面有着非常重要的应

4、用价值。独立分量分析(IndependentComponent-Analysis，简称ICA)是近年来由盲信源分解技术发展而来的多道信号处理办法。通过假定传感器阵列所采集到的信号是多个具有统计独立性的内在信源信号的线性叠加，再采用某种特定的优化准则将所谓的独立分量一一分解出来。本研究在仿真试验中，用ICA成功分离出原始图像。简述了独立成分分析的基本原理以及利用FastICA算法进行信号分离的理论依据，并通过Matlab仿真实验实现了混合图像的盲分离，取得了较好的分离效果。结果表明该算法收敛速度快，有良好的分离效果，是一种行之有效的混合图像盲分离方法。关键

5、词：独立成分分析FastICA盲分离AbstractFanaticismprocessing(BSP)isoneofthemostpopularsubjectincurrentsignalprocessing,ithasareliabletheoreticalbasisandapplicationpotentialinmanyways.Indeed,BSPhasbecomeanimportantresearchtopic,andthedevelopmentinmanyfields.Multi-sourceofmixedsignalblindsources

6、eparationtechnologyincommunication,speechsignalprocessing,biomedicalsignalprocessing,arraysignalprocessingandgeneralsignalanalysishasveryimportantapplicationvalue.ICA(IndependentComponentAnalysis,ICA)istoblindtheothersourcedecompositiontechniqueinrecentyearsthedevelopmentofmulti-

7、channelsignalprocessingmethod.Byassumingthatsensorarraysignaliscollectedbymultiplestatisticalindependenceoftheinternalsourcesignaloflinearsuperposition,toadoptaparticularoptimizationguidelineswillbreaktheso-calledindependentcomponent.IThispaperintroducesthebasicmodelofthealgorith

8、m,analyzesthemathprincipleoffrequently-u