[发明专利]基于反馈机制的抗混合噪声的盲图像源分离方法有效

专利信息
申请号: 201210041421.X 申请日: 2012-02-23
公开(公告)号: CN103295187A 公开(公告)日: 2013-09-11
发明(设计)人: 余先川;徐金东;胡丹 申请(专利权)人: 北京师范大学
主分类号: G06T5/00 分类号: G06T5/00
代理公司: 暂无信息 代理人: 暂无信息
地址: 100875 北*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 反馈 机制 混合 噪声 图像 分离 方法
【说明书】:

技术领域:

发明属于数字图像处理与盲信号处理交叉领域,是一种基于反馈机制的抗混合高斯白噪声的盲图像源分离方法。

背景技术:

有效去噪是信号处理界遇到的最大问题之一,在源于“鸡尾酒会”的盲图像分离(BSS,blind source separation)技术中,大部分研究者只考虑了去除信道加性噪声(参考对比文件1)。而实际上,作为源支路信号中,不仅仅存在常规的信号支路,还存在噪声源支路,它们一起参与了系统的混合,模型如图1所示。在现有的盲图像源分离算法中,对有噪声源支路参与系统混合的情况,未见到有效的解决方案。综上,实现含有噪声混合的盲图像源分离具有重要的意义和实际价值。

主流盲图像源分离方法都是基于独立成份分析(ICA,independent component analysis)和稀疏成份分析(SCA,sparse component analysis)算法的,在有噪声参与的混合情况存在如下问题:

1)基于ICA的算法一般能较好的去除加性噪声,但要求源信号之间是独立的且满足非高斯性,这对有噪声参与的图像混合,难以保证仅有1支路的为高斯性,因此导致分离结果不理想(参考对比文件2);

2)基于SCA的线性聚类算法在没有噪声干预及混合源满足稀疏型的条件下,分离效果良好,但一有噪声参与,致使稀疏性降低,导致分离效果急剧下降,最终无法正确分离源图像(参考对比文件3)。

由于多种噪声的混合接近于高斯分布,且高斯白噪声在相同的能量下,具有最大的噪声熵,对信号干扰最为严重。基于以上问题,着重对1源支路为高斯白噪声参与混合的情况做了相关处理,结合反馈和逐次提取的方法,有针对性地解决了混合噪声的盲图像源分离问题。

对比文件1:Fadili J M,Starck J L,Bobin J,et al.Image decomposition and separation using sparse representations:an overview[J].Proceedings of the IEEE,2010,98(6):983-994.

对比文件2:卢晓光,韩萍,吴仁彪,刘瑞华.基于二维小波变换和独立分量分析的SAR图像去噪方法[J],电子与信息学报,2008,30(5):1052-1055.

对比文件3:余先川,曹婷婷,胡丹,张立保,代莎.基于小波变换和稀疏成分分析的盲图像分离法[J],北京邮电大学学报,2010,33(2):58-63.

发明内容:

发明了一种基于反馈机制的抗混合高斯白噪声的盲图像源分离方法:对含混合高斯白噪声的混合图像信号实施一级Haar整数小波变换,获得稀疏化的对角分量系数,对稀疏化的小波系数进行线性聚类,从而估计出系统的混合矩阵,并根据混合图像进行首次分离,然后分别计算分离支路的均值,取最大者输出;通过置0、反馈的方法从原混合信号中去除该路信号,并再次进行盲分离,直至分离出的各支路信号间的归一化相关系数等于1,即已完全分离所有参与混合的信号。流程如图2所示。

附图说明:

图1盲源分离模型图

图2基于反馈机制的抗混合噪声的盲图像源分离流程图

图3实验采用的测试源

图4标准测试图像和噪声图像随机混合结果

图5FastICA分离结果

图6反馈SCA分离结果

图7标准测试图像和噪声图像随机混合结果

图8反馈SCA分离结果

具体实施方式:

1)稀疏化。对m幅相同尺寸的混合图像X进行一级整数小波变换,选取对角分量系数矩阵,并按行展开分别作为一矩阵的行向量,该矩阵即为对混合图像稀疏化的矩阵;

2)去零列及方向统一化。对稀疏化后的矩阵每一列Xj(j=1,2,…,T),若满足Xij=0,

将X的第j列删除;若X1j<0,则Xj=-Xj。处理得到新的混合信号X′;

3)线性聚类。对于X′的任意2个列向量X′i和X′j,若则X′i和X′j共线,设X′i∈θ(k),X′j∈θ(k),按此将所有列向量线性聚类得到{θ|θ(k),k=1,2,…,T};

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京师范大学,未经北京师范大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201210041421.X/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top