独立分量分析及其在数字图像处理中的应用.doc

摘要:独立分量分析（independent component analysis，ICA）是20世纪90年代发展起来的一种新的信号处理技术，主要运用于从多个源信号的线性混合中提取想要提取的信号，并且加以处理和再加工。本文围绕着ICA算法，及其ICA算法在图像处理领域中的应用进行了深入的研究。相关的理论和算法得到了飞速的发展，在过去的短短几十年里不断涌现出新的算法。目前来说，ICA已经成为多个学科领域的研究热点。

本论文在论述了ICA算法理论的基础上，深入的分析了快速ICA（FastICA）算法和Infomax算法，并通过MATLAB实现了图像去噪声，使图像去噪达到更好的效果。本次毕业设计中要实现使用这两种算法分别对混合图像进行还原，然后选择合适的衡量标准将这两种算法对图像的处理效果与传统的图像去噪算法（拟采用中值滤波算法）进行对比，经过对比得到以下结论：相对于传统的算法，独立分量分析算法在图像去噪的应用中更加具有优势。

关键词：独立分量分析；快速ICA算法；图像处理；混合图像分离；图像去噪

目录

摘要

Abstract

1. 引言-1

1.1 独立分量分析的研究背景及意义-1

1.2 国内外研究概况-2

1.3 本文主要内容及安排-3

2. ICA的基本理论-4

2.1 ICA的数学模型-4

2.2 各类ICA算法-5

3. ICA的经典算法-6

3.1 FasstICA算法原理-6

3.2 Infomax算法原理-9

3.3 实验结果及比较-11

3.3.1 FastICA算法的MATLAB实现-11

3.3.2 Infomax算法的MATLAB实现-12

4. FastICA算法与传统图像噪声抑制方法的比较-14

4.1 传统的图像中值滤波-14

4.2 传统滤波方法和FastICA方法的对比-15

结    论-16

参考文献-17

附录A 程序-18

致    谢-22