基于独立分量分析的图像特征提取及去噪

《基于独立分量分析的图像特征提取及去噪》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于独立分量分析的图像特征提取及去噪范羚1吴小培1，2龙飞1张道信1郭晓静1（1安徽大学计算智能与信号处理教育部重点实验室，合肥230039）（2中国科技大学电子科学与技术系，合肥230026）E-mail：yeahling@yeah.net摘要探讨了一种新的多元统计分析方法——独立分量分析在图像特征提取及噪声去除中的应用。利用基于信息传输最大原则的infomax算法对自然图像的基向量进行迭代学习。实验表明，提取的基向量在空间频率上具有方向性和局部性，描述了输入自然景物图像的边缘特征。结合软门限算子，实现了图像中高斯噪声的

2、去除。关键词独立分量分析特征提取软门限算子稀疏编码文章编号1002-8331-（2003）08-0107-03文献标识码A中图分类号TN911.73ImageFeatureExtractionandImageDenoisingBasedonIndependentComponentAnalysisFanLing1WuXiaopei1，2LongFei1ZhangDaoxin1GuoXiaojing1（1TheKeyLaboratoryofIntelligentComputingandSignalProcessingofMin

3、istryofEducationofChina，Hefei230039）（2DepartmentofElectronicScienceandTechnology，USTC，Hefei230026）Abstract：Anewmultidimensionalsignalprocessingmethod—IndependentComponentAnalysis（ICA）isappliedtoim-agefeatureextractionandimagedenoising.Usingtheinfomax（informationma

4、ximization）algorithmofICAimplementedbyaforwardneuralnetwork，itgetsthebasisvectorsofthenaturalimages.Theexperimentsshowthatthebasisvectorsarelocalizedandoriented，andsensitivetolinesandedgesofvaryingthicknessoftheimages.ThentheGaussiannoiseisreducedbyapplyingasoft-t

5、hresholdingoperatorontheseparatedindependentcomponents.Theperformanceofthismethodisappealing.Keywords：IndependentComponentAnalysi（sICA），FeatureExtraction，Soft-thresholdingoperator，Sparsecoding1引言述的是图像幅度谱，并不涉及相位信息，而高阶统计特性则往在数字图像处理和模式识别中，一个重要的问题是如何为往包含了更重要的图像结构和相位特征

6、。因此，基于高阶统计图像寻找一种合适的描述方法。通常，这样的描述是基于对输特性分析的ICA方法在图像处理中具有独特的优势。入数据的线性变换得到的。该文所采用的独立分量分析方法作为PCA的一种延伸，ICA着眼于数据间的高阶统计特（IndependentComponentAnalysis，简称ICA）是近年来发展起性，使得变换后的各分量之间不仅互不相关，而且还尽可能的来的一种新的多维数字信号处理技术[1，2]，将其应用在数字图像统计独立。因此ICA能更加全面揭示数据间的本质结构。将其处理中，对输入图像数据进行ICA分析，从数据

7、间的高阶统计应用于图像特征提取，可实现图像的稀疏编码（SparseCod-相关性角度出发，提取图像内部特征，更有效利用了输入数据ing）。稀疏编码是一种多维数据描述方法，编码后仅有少数分在统计关系上的本质特征[3，4]。量同时处于明显激活状态，这大致等价于编码后的分量呈现超众所周知，图像特征提取对于模式识别、图像压缩以及图高斯分布。而从投影追踪（projectionpursue）角度来讲，ICA是像消噪十分重要。主分量分析（PrincipleComponentAnalysis，把非高斯性（包括超高斯和亚高斯）最强的方向作为

8、投影方向。简称PCA）方法是传统的线性变换技术，在图像特征提取中应由此可见，ICA与稀疏编码间联系密切。此外神经生理研究表用广泛。该方法是一种最小均方意义上的最优变换，其优势在明，人类对认知、感知信息的前期处理具有“去冗余”的特点。1989年，Barlow[5]等人解释到，由于去冗余处理过程的作用，人于