论文题目: 独立分量分析方法及在图像处理中的应用研究
论文类型: 博士论文
论文专业: 通信与信息系统
作者: 王明祥
导师: 方勇,莫玉龙
关键词: 独立分量分析,盲信号处理,图像处理,小波变换,自组织映射,神经网络,非线性独立分量分析
文献来源: 上海大学
发表年度: 2005
论文摘要: 独立分量分析(ICA)是近期发展起来的一种非常有效的盲信号处理技术,在许多应用领域正发挥着越来越重要的作用。ICA具有重要的理论和应用价值,在无线通信、声纳、语音处理、图像处理和生物医学等领域具有广泛而诱人的应用前景,在过去的十几年时间里,有关的理论和算法研究都得到了较快的发展,并涌现出了许多有效的算法。目前,ICA已经成为国际上信号处理和人工神经网络等学科领域的一个研究热点。 本论文对ICA算法的理论进行了详细的分析,将ICA和小波变换、自组织映射(SOM)、BP神经网络等方法结合起来,提出了三种改进的ICA算法:基于小波变换的ICA方法、基于SOM的后非线性ICA的初始化方法,以及基于ICA和改进BP网络的人脸识别方法。并研究了ICA方法在图像处理中的应用,包括混合图像的盲分离、图像特征提取与识别、运动目标检测、数字图像水印的嵌入与提取,以及自适应图像降噪等,并提出了一些改进的方法。 论文的主要贡献及创新点包括以下几个方面: (1) 提出了一种基于二维小波变换的ICA方法,并用于图像的盲分离。首先采用误差扰动法对自然梯度算法(NGA)的精确度进行了详细的研究,从理论上证明:当源信号的概率密度相同且非线性函数为双曲正切函数时,NGA的稳态误差与源信号峭度的平方成反比。由于小波域高频子图像的分布近似为拉普拉斯分布,其峭度远大于原图的峭度,因此对小波域高频子图像进行ICA分解可以获得更高的分离精度。此外,高频子图像的大小为原图的四分之一,因此计算量大大减少,算法的收敛速度更快。其次,对小波域快速独立分量分析(FastICA)算法的收敛特性也进行了研究,得出该算法的收敛速度与源信号的峭度无关这一结论。同样,由于高频子图像的大小为原图的四分之一,因此算法的收敛速度也会明显提高。 (2) 针对基于自组织映射(SOM)的后非线性ICA方法的缺点,提出了一种新的具有全局拓扑保持特性的SOM网络权值初始化方法。该方法充分利用了混合信号的概率密度分布这一先验知识,构造出一种与该分布基本吻合的网格作为SOM网络的初始权值。该初始化方法不仅提高了SOM网络的收敛速度,而且可以有效地避免由于初值随机选取而导致算法陷入局部极小的情况。同时,在混合方式基本相同的情况下,可使输出信号的次序和符号保持不变,减小了ICA问题中不确定性的影响。
论文目录:
摘要
Abstract
第一章 绪论
1.1 本论文的研究意义
1.2 ICA的研究动态及其在图像处理中的应用
1.3 本论文的主要工作和内容编排
第二章 ICA的理论分析和性能比较
2.1 ICA的数学模型及可解性分析
2.1.1 ICA的基本模型
2.1.2 ICA的含噪模型
2.1.3 ICA的卷积模型
2.1.4 ICA的可解性分析
2.1.5 ICA的独立性度量
2.2 ICA的一般求解过程
2.2.1 白化预处理
2.2.2 目标函数的选择及等价性证明
2.2.3 学习算法的选择及迭代公式的推导
2.3 ICA的典型算法
2.3.1 H-J算法
2.3.2 最大熵算法
2.3.3 最小互信息算法和最大似然算法
2.3.4 定点算法
2.3.5 非线性PCA算法
2.4 ICA算法的性能分析
2.4.1 自然梯度算法的稳定性分析
2.4.2 自适应选择学习步长的方法
2.4.3 两种衡量ICA分离性能的指标
2.5 仿真实验
2.5.1 白化预处理实验
2.5.2 定点算法和自然梯度算法的学习性能比较实验
2.6 本章小结
第三章 基于小波变换的ICA方法
3.1 小波变换
3.1.1 小波变换的定义及性质
3.1.2 常用小波函数
3.1.3 Mallat算法和图像塔式分解
3.2 基于小波变换的ICA方法
3.2.1 算法概述
3.2.2 算法实现步骤
3.2.3 小波域高频子图像的概率分布特性
3.3 两种小波域学习算法的性能分析
3.3.1 小波域自然梯度算法的性能分析
3.3.2 小波域FastICA算法的性能分析
3.4 比较实验和分析
3.4.1 实验一：小波域自然梯度算法的比较实验
3.4.2 实验二：小波域FastICA算法的比较实验
3.5 本章小结
第四章 基于SOM的非线性ICA方法
4.1 非线性ICA
4.1.1 非线性ICA的模型
4.1.2 非线性ICA解的存在性和不唯一性
4.1.3 非线性ICA的研究状况
4.2 基于SOM的NLICA的初始化方法
4.2.1 基于SOM的NLICA方法
4.2.2 一种新的SOM权值初始化方法
4.2.3 基于SOM的NLICA方法用于图像盲分离
4.3 初始化方法的性能分析
4.3.1 网络的收敛性分析
4.3.2 一种简单的拓扑度量函数
4.3.3 输出信号的次序和符号的不变性讨论
4.4 比较实验和分析
4.4.1 实验一：一维信号后非线性混合与分离实验
4.4.2 实验二：二维图像后非线性混合与分离实验
4.5 本章小结
第五章 基于ICA和BP网络的人脸识别方法
5.1 人脸识别方法概述
5.2 基于PCA和ICA的人脸识别方法
5.2.1 基于PCA的人脸识别方法
5.2.2 基于ICA的人脸识别方法
5.3 基于ICA和改进BP网络的人脸识别方法
5.3.1 BP算法的改进
5.3.2 ICA和改进BP算法相结合的人脸识别方法
5.4 比较实验和分析
5.5 本章小结
第六章 ICA在图像处理中的应用
6.1 ICA在运动目标检测中的应用
6.1.1 基于WFastICA的运动目标检测方法
6.1.2 比较实验和分析
6.2 ICA在数字水印中的应用
6.2.1 基于ICA的图像水印方法
6.2.2 基于ICA的图像小波域水印方法
6.2.3 比较实验和分析
6.3 ICA在自适应图像降噪中的应用
6.3.1 基于ICA的自适应图像降噪方法
6.3.2 比较实验和分析
6.4 本章小结
第七章 总结和展望
7.1 本论文的主要工作总结
7.2 进一步研究的展望
参考文献
攻读博士学位期间发表的论文
致谢
发布时间: 2005-09-16
参考文献
- [1].极化SAR图像处理的相关问题研究[D]. 何伟.西安电子科技大学2016
- [2].SAR图像处理的若干关键技术[D]. 李卫斌.西安电子科技大学2004
- [3].基于远程相关性的图像处理[D]. 王舟.华南理工大学1998
- [4].探地雷达地雷图像处理与目标识别方法[D]. 张菁.哈尔滨工程大学2005
- [5].基于小波和偏微分方程的图像处理方法与应用[D]. 蔡超.华中科技大学2005
- [6].SAR图像处理的独立分量分析方法[D]. 纪建.西北工业大学2007
- [7].基于物联网的奶牛场数字化管理关键技术研究[D]. 霍晓静.河北农业大学2014
- [8].逆合成孔径雷达成像及目标识别[D]. 张兴敢.南京航空航天大学2002
- [9].基于稀疏特征的SAR图像处理与应用研究[D]. 季秀霞.南京航空航天大学2016
- [10].复合轴光电精密跟踪伺服控制关键技术研究[D]. 黄海波.武汉大学2011
标签：独立分量分析论文; 盲信号处理论文; 图像处理论文; 小波变换论文; 自组织映射论文; 神经网络论文; 非线性独立分量分析论文;