独立分量分析方法及其在红外图像处理上的应用

论文摘要

独立分量分析算法(ICA)作为一种有效的盲信号处理新方法具有重要的理论和应用价值,目前独立分量分析算法在图像处理方面的应用大致有:图像特征提取、图像去噪、人脸识别和检测、图像分离、医学图像处理甚至遥感图像处理等很多方面。红外图像被广泛应用于许多领域。然而,由于红外探测器的固有特性所产生的噪声污染、边缘模糊等现象对红外图像造成了严重的影响。为了降低这类现象对红外图像的影响、改善图像质量,很多的研究人员在这个方面做了大量的工作,取得了很多的成果。本论文主要研究了ICA算法的原理,简要的阐述了ICA的发展、应用和现状,详细地描述了ICA的原理与实现方法,重点地论述ICA算法在图像处理上的应用,将ICA算法与小波变换、分数阶微分结合应用到红外图像的消噪、增强、边缘提取上。具体工作:利用多分辨率子带分解的ICA算法理论,先运用小波对图像分解,然后对所得子图像分别进行消噪,最后通过小波重构获得处理后的图像;利用分数阶微分在信号处理上的基本理论,从数字图像分数阶微掩模及其运算规则出发对红外图像进行增强,再运用ICA算法,对增强后的图像进行边缘提取。试验结果表明,ICA算法在红外图像消噪上效果明显,即能达到消噪的目的,又能较好的保持红外图像原有的特征,有利于红外图像的进一步处理。而分数阶微分在增强红外图像灰度变化不大的平滑区域中的边缘特征效果明显,再使用ICA算法来提取红外图像边缘,可以获得较其他算法更为完整的图像边缘信息。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 论文研究的背景及意义
• 1.2 红外图像的概念及特征
• 1.3 独立分量分析算法的研究现状及发展
• 1.4 独立分量分析在图象处理中的应用
• 1.5 论文安排与主要研究工作
• 第2章 独立分量分析算法基础
• 2.1 综述
• 2.2 信息熵理论
• 2.3 独立分量分析（ICA）
• 第3章 独立分量在红外图像去噪上的应用
• 3.1 引言
• 3.2 经典去噪方法介绍
• 3.2.1 维纳去噪法
• 3.2.2 小波变换去噪法
• 3.3 ICA去噪方法介绍
• 3.3.1 ICA信息最大化INFORMAX算法
• 3.3.2 稀疏编码收缩法去噪
• 3.3.3 多分辨率子带分解的独立分量分析
• 3.3.4 本文基于MSD-ICA算法流程
• 3.3.5 仿真实验结果及分析
• 3.4 本章小结
• 第4章 独立分量在红外图像边缘提取上的应用
• 4.1 引言
• 4.2 关于边缘的描述
• 4.3 经典的图像边缘检测算法
• 4.3.1 拉普拉斯边缘检测算子
• 4.3.2 Sobel边缘检测算子
• 4.3.3 Prewitt边缘检测算子
• 4.3.4 Canny边缘检测算子
• 4.4 基于分数阶微分与ICA算法的图像边缘检测
• 4.4.1 问题的提出
• 4.4.2 分数阶微分的红外图像增强
• 4.4.3 基于ICA算法的红外图像边缘特征提取
• 4.5 本章小结
• 第五章 结论与展望
• 5.1 全文总结
• 5.2 后续工作与展望
• 致谢
• 参考文献
• 附录 含噪红外图像
• 攻读硕士学位期间发表的论文