学位论文 > 优秀研究生学位论文题录展示

独立分量分析及其在图像去噪中的应用研究

作　者: 杜娟
导　师: 邱晓晖
学　校: 南京邮电大学
专　业: 信号与信息处理
关键词: 独立分量分析 混沌局部搜索 粒子群优化算法 图像去噪
分类号: TP391.41
类　型: 硕士论文
年　份: 2013年
下　载: 129次
引　用: 0次
阅　读: 论文下载
 

内容摘要


独立分量分析(Independent Component Analysis，ICA)是新近发展起来的一种非常有效的盲源分离技术。因具有优异的盲辨识、表示能力和特征提取，在实际应用领域得到广泛关注，特别是在生物医学信号处理、远程通信、语音信号处理、图像处理等领域具有良好的应用前景。在过去短短的十几年里，相关的理论和算法得到快速的发展，并涌现出许多有效的算法。目前，ICA已经成为多个学科领域的研究热点。本论文对ICA算法的理论进行详细的分析与研究，从理论上分析ICA经典算法的不足，提出一种改进的ICA算法。并研究ICA方法在图像去噪中的应用，且提出一些改进的方法。本文主要的贡献及创新点包括以下几个方面：（1）归纳ICA的基本原理，从信息论的角度推导出衡量ICA独立性的度量准则，对现有的ICA算法进行整理，并总结ICA求解的一般过程和比较各算法的性能。（2）从理论证明ICA经典算法存在局部最优的问题。针对这一问题，在基于粒子群优化的ICA基础上加入混沌遍历，提出一种基于粒子群优化的ICA的算法。通过仿真实验，表明该算法的性能优于一般的ICA算法。（3）基于ICA变换的图像去噪是采用软阈值收缩函数去噪，往往会使图像边缘模糊及特征损失，针对此对收缩函数进行改进，使之有效的避免上述的现象。

全文目录


摘要  4-5
Abstract  5-8
专用术语注释表  8-10
第一章 引言  10-16
  1.1 独立分量分析的研究背景及意义  10-11
  1.2 独立分量分析的研究历史  11-12
  1.3 独立分量分析研究的现状  12-15
    1.3.1 常见的独立分量分析算法  12-13
    1.3.2 独立分量分析研究的趋势  13-14
    1.3.3 独立分量分析在图像处理中的应用  14-15
  1.4 本文的主要研究内容  15-16
第二章 ICA 的基本理论  16-31
  2.1 ICA 的数学模型  16-19
    2.1.1 ICA 的基本模型  16-17
    2.1.2 ICA 的含噪模型  17-18
    2.1.3 ICA 的卷积模型  18-19
  2.2 ICA 独立性的度量准则  19-27
    2.2.1 随机变量独立性的概念  19-20
    2.2.2 非高斯性  20-24
    2.2.3 互信息  24-25
    2.2.4 ICA 的最大似然估计方法  25-27
  2.3 ICA 的求解过程  27-30
    2.3.1 ICA 的预处理  27-28
    2.3.2 ICA 中常用的优化方法  28-30
  2.4 本章小结  30-31
第三章 ICA 的经典算法  31-38
  3.1 Infomax 算法  31-33
  3.2 FastICA 算法  33-34
  3.3 实验结果及比较  34-37
  3.4 本章小结  37-38
第四章 基于混沌粒子群优化的 ICA  38-52
  4.1 局部极值点存在性的证明  38-41
  4.2 全局优化算法  41-42
  4.3 混沌粒子全优化算法  42-46
    4.3.1 混沌模型  42-44
    4.3.2 粒子群优化算法  44-45
    4.3.3 混沌粒子群优化算法  45-46
  4.4 基于混沌粒子群优化的 ICA  46-48
    4.4.1 基于粒子群优化的 ICA  46-47
    4.4.2 本文提出的基于混沌粒子群优化的 ICA  47-48
  4.5 实验结果及比较  48-51
  4.6 本章小结  51-52
第五章 基于 ICA 的图像去噪  52-69
  5.1 引言  52
  5.2 图像去噪方法简述  52-59
    5.2.1 噪声分类及表示  52-53
    5.2.2 图像去噪的经典算法  53-56
    5.2.3 图像评价方法  56-59
  5.3 基于 ICA 变换的图像去噪方法  59-68
    5.3.1 ICA 变换的基向量  59-60
    5.3.2 非高斯随机变量的最大似然去噪  60-63
    5.3.3 基于 ICA 的去噪方法  63
    5.3.4 改进的 ICA 的去噪方法  63-66
    5.3.5 实验结果及比较  66-68
  5.4 本章小结  68-69
第六章 总结与展望  69-70
参考文献  70-73
附录 1 程序清单  73-74
附录 2 攻读硕士学位期间撰写的论文  74-75
致谢  75

相似论文

  1. 医学超声图像去噪方法研究,TP391.41
  2. 基于粒子群算法求曲线/曲面间最小距离方法,O182
  3. 融合粒子群和蛙跳算法的模糊C-均值聚类算法研究,TP18
  4. 柴油机表面辐射噪声源小波识别及心理声学参数评价研究,TK421.6
  5. 基于多尺度几何分析的医学超声图像去噪算法研究,TP391.41
  6. 基于粒子群优化算法的船舶避碰研究,U675.96
  7. 轮廓波变换及其在图像处理中的应用,TP391.41
  8. 基于改进粒子群算法的无功优化,TP301.6
  9. 基于独立分量分析和噪声可见性函数的信息隐藏方法研究,TP391.41
  10. 基于控制方法的粒子群算法改进及应用研究,TP301.6
  11. 曲面测地与短程路径的分析和提取,TH122
  12. 空间信息网骨干节点部署方案的设计与仿真,TN915.09
  13. 基于改进粒子群算法的无人机航迹规划,V279
  14. 微分进化算法及其在无人机航迹规划中的应用研究,V279
  15. 基于RFID监狱智能管理系统研究与实现,TP315
  16. 基于小波变换的图像去噪的研究与实现,TP391.41
  17. 改进的中值滤波算法及其仿真研究,TP391.41
  18. 复杂动态环境下的小型足球机器人路径规划研究,TP242
  19. 应用于图像处理的自适应中值滤波算法的研究,TP391.41
  20. 基于相邻像素灰度差的边缘检测及与其相结合的小波图像去噪,TP391.41
  21. 基于Split-Bregman方法的乘性噪声去除研究,TP391.41

中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理（信息加工） > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com