[发明专利]基于独立成分分析的自适应混合图像分离方法

说明书

技术领域

本发明涉及一种基于独立成分分析的自适应混合图像分离方法，属于图像分离技术领域。

背景技术

图像分离技术是指从多幅混合图像中分离出感兴趣的一幅或多幅图像，具有广泛的应用领域。目前，混合图像的分离均基于独立成分分析方法，采用最大化或最小化代价函数并使用数据的高阶统计量来估计分离矩阵，进而从混合图像中提取出有用的图像。然而，图像数据的统计特征十分丰富，高阶统计量无法完全描述，其次，通过最大化或最小化代价函数的方法会造成算法陷入局部最优而降低分离结果。

经过对现有技术的文献检索发现，已有相关技术来提高分离精度，如：中国专利申请号为200610116700，名称为“图像独立分量分析的初始化方法”。但该方法使用小波方法对分离矩阵进行初始化，将其作为负熵判据的快速ICA方法（FastICA）的初始值，存在以下几个问题：1.由于需要预先使用小波分解算法来得到初始分离矩阵，因而该方法计算量较大；2.由于FastICA算法在分离过程中不具有自适应特性，无法动态的对分离结果进行调整，因而算法易陷入局部最优。

发明内容

本发明公开了一种基于独立成分分析的自适应混合图像分离方法，直接对混合图像的概率密度函数进行自适应建模，从而提高模型精度，克服了传统的基于参数估计方法无法自适应修正参数模型的缺点；通过求解梯度方程来得到分离矩阵，避免了传统的基于最大化或最小化目标函数方法易于陷入局部最优；梯度方程的求解采用Newton迭代算法，具有二阶收敛性，因而分离矩阵能快速解出。

本发明技术方案是这样实现的：

基于独立成分分析的自适应混合图像分离方法，其特点是：直接对混合图像的概率密度函数进行自适应建模；通过求解梯度方程来得到分离矩阵，进而得到最终的分离图像；所述梯度方程的求解采用Newton迭代算法；具体分离步骤如下：

一、预处理部分

对m幅混合图像按行方向拉伸为m个行向量，并去除均值，然后将这m个行向量组成一个m×n的矩阵，记为x_m×n，n为每幅混合图像的像素个数；

二、概率密度函数自适应建模

使用非参数方法估计出混合图片矩阵中每个行向量所代表的随机变量的概率密度函数及其一、二阶导数，具体过程如下：

（Ⅰ）概率密度函数估计方法

对某个行向量所代表的随机变量x而言，使用非参数方法估计出其概率密度函数p(x)，为了保证其一、二阶导数的连续性，选用高斯核作为非参数估计子，将随机变量x的取值范围[x_min，x_max]等分成L等分，得到x的值落在这L个区间中的直方图系数k_i(i=1，...，L)，则最终x的概率密度函数估计如下：

p(x)=Σi=1Lkiφ(x;μi,h)---(7)]]>

其中φ(x;μ_i，h)为下式定义的高斯核函数：