[发明专利]基于受限玻尔兹曼机的置换混叠图像盲分离方法及系统

说明书

本发明涉及一种基于受限玻尔兹曼机的置换混叠图像盲分离方法及系统，属于图像处理技术领域。本发明采用受限玻尔兹曼机网络模型对含模糊的置换混叠图像进行拟合训练，通过调整权重，得到概率矩阵，获得最优网络模型，通过最优网络模型对原数据集进行重构，根据重构数据集与原数据集之间的特征差异，分离含模糊的置换混叠区域。本发明利用受限玻尔兹曼机对图像进行特征提取，能够实现特征的自动选取，大大节省了特征选取的时间，克服了传统盲分离方法准确性不高、特征域不易选取的问题，本发明对于置换区域位置、大小、个数及噪声方差不同的含模糊置换混叠图像均能有效分离出置换区域图像。

技术领域

本发明涉及一种基于受限玻尔兹曼机的置换混叠图像盲分离方法及系统，属于图像处理技术领域。

背景技术

盲源分离(Blind Source Separation,BSS)，又称为盲信号分离(Blind SignalSeparation,BSS)，是在不需要太多的源信号和信道先验信息的情况下，仅根据观测到的混合输出信号，分离出各输入源信号的过程，是信号处理领域的一个研究热点，也是一种实用有效的信号处理方法，被广泛应用于图像处理、数据传输、语音信号处理、移动通信、生物医学信号处理等领域。而置换混叠图像盲分离是一种单信道的盲源分离问题，不同于传统的叠加混合图像，此类置换混叠图像的置换区域和被置换区域是以置换的形式混合，且置换区域信息丢失，对于置换区域的位置、大小、个数也是无从获知的。2007年轰动一时的华南虎照就属于典型的置换混叠图像，由于拼接图像对社会造成很大的影响，所以对于此类图像的研究具有重大意义。

自2009年方勇等首次提出置换混叠信号的概念以来，国内外出现了一些针对置换混叠图像的盲分离理论。经过几年的研究，针对这类单信道盲分离问题已经取得了很大的进展，如王伟等提出一种基于二次模糊相关性的单通道盲分离方法，通过对置换图像进行二次模糊，估计二次模糊前后对应子块的相关系数来构建映射空间，利用其参数不同实现分离。段新涛等提出了一种基于差分进化的置换混叠图像盲分离算法，通过选择空域作为特征域,将置换混叠图像的梯度图像分成小块,并为每个小块设定个阈值,组成阈值向量。利用差分进化算法获得最优的阈值向量,将置换混叠图像阈值化为二值图像,利用图像形态学实现二值图像分离出置换图像。

还有一个亟需解决的问题是，现存的盲分离算法多是针对单一模糊类型的置换混叠图像时可以有效分离，但是对多种模糊类型的置换混叠图像盲分离无法有效分离。因此需要一种新的算法来有效分离含多种模糊类型的置换混叠图像。

发明内容

本发明的目的是提供一种基于受限玻尔兹曼机的置换混叠图像盲分离方法，以解决目前盲分离算法无法对多种模糊类型的置换混叠图像进行有效盲分离的问题；本发明还提供了一种基于受限玻尔兹曼机的置换混叠图像盲分离系统。

本发明为解决上述技术问题而提供一种基于受限玻尔兹曼机的置换混叠图像盲分离方法，该方法包括以下步骤：

1)利用初始化的受限玻尔兹曼机网络模型对含有模糊的置换混叠图像进行拟合训练，获取概率矩阵，确定受限玻尔兹曼机网络模型中神经元的状态，以完成受限玻尔兹曼机网络模型的构建；

2)对步骤1)中所构建的受限玻尔兹曼机网络模型进行训练，调整权重，以得到最优受限玻尔兹曼机网络模型；

3)利用最优的受限玻尔兹曼机网络模型重构数据样本集，根据重构样本集与初始样本集的差异分离置换混叠图像的置换区域，所述初始样本集为步骤1)中的含有模糊的置换混叠图像。

进一步地，所述步骤1)中含有模糊的置换混叠图像Z(i,j)是由自然图像L(i,j)中的一部分被置换图像S(i,j)中的一部分置换混叠而成，即：

Z(i,j)＝L₁(i,j)+S_o(i,j)+S_n(i,j)