[發明專利]一種基于頻域稀疏成分分析的盲圖像分離法

無效

• 申請號: 200910143984.8
• 申請日: 2009-06-05
• 公開（公告）號: CN101908148A
• 公開（公告）日: 2010-12-08
• 發明（設計）人: 余先川;曹婷婷;胡丹
• 申請（專利權）人: 北京師范大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域：

本發明屬于盲源分離技術領域，具體涉及一種基于頻域稀疏成分分析的盲圖像分離法。

背景技術：

盲源分離技術是信號處理領域的一個活躍分支。它是指在既不知道源信號的分布，又不知道源信號的混合模型的情況下，僅利用一組已獲取的混合信號(由源信號混合而成)，來恢復或提取源信號。盲源分離已被應用在很多領域，如生物醫學圖像信號處理、語音信號處理、圖像恢復和理解等(參考對比文件1)。

圖像盲分離是盲源分離的一種，只不過參與盲分離的信號是圖像信號而已。一般的盲源分離法都可用于圖像盲分離。

目前已提出的盲源分離算法，如信息最大化(Informax)算法、互信息最小(MMI)算法、最大似然(ML)算法等，都是建立在優化目標函數極值的基礎上，在優化過程中需要進行大量的迭代，計算復雜度比較高(參考對比文件2)。應用較為廣泛的獨立成分分析法(Independent?Component?Analysis，ICA)進行盲源分離的前提是源信號是非高斯分布且相互獨立的，對于圖像信號這類亞高斯信號，分離得不是很徹底。因而，迫切需要一種新的方法來解決圖像信號盲源分離問題(參考對比文件3)。

稀疏成分分析是近年來發展起來的一種新興的盲源分離技術，它利用信號的稀疏特性提取源信號，取得了很好的分離效果(參考對比文件4)。實際應用中，很多信號也都滿足稀疏的特性，如語音信號、腦電信號等。然而，對于不滿足稀疏度條件的圖像信號，無法運用稀疏成分分析模型來分離(參考對比文件5)。

本發明提出了頻域稀疏成分分析法，將圖像從空域轉化到頻域，結合頻域中高頻部分稀疏的特性，提出線性聚類稀疏成分分析混合矩陣估計法用于估計混合矩陣，混合矩陣估計出來后，再返回空域，利用線性聚類稀疏成分分析源信號估計法提取源信號。在忽略源信號縮放的情況下，分離精度達到100％。

對比文件1：徐先峰，馮大政.一種充分利用變量結構的解卷積混合盲源分離新方法.電子學報.2009，(1)：112-131

對比文件2：柴娟芳，司錫才，張雯雯等.基于偽信噪比最大化的盲源分離算法.系統工程與電子技術.2008，30(12)：2385-2388

對比文件3：姚伏天，金連甫，戴光.基于核獨立成分分析的盲源信號分離.計算機工程與應用.2004，(6)：44-46對比文件4：Y.Li，S.Amari，A.Cichocki?at?el..Underdetermined?Blind?Source?Separation?Based?on?SparseRepresentation.IEEE?Transactions?On?Signal?Processing.2006，54(2)：423-437

對比文件5：P.G.Georgiev，F.J.Theis，A.Cichocki.Blind?source?separation?and?sparse?component?analysis?ofovercomplete?mixtures.in?Proceedings?of?International?Conference?on?Acoustics，Speech，and?Signal?Processing(ICASSP2004).Montreal，Canada，2004：493-496

發明內容：

本發明針對目前已提出的盲源分離法分離結果不徹底，分離精度不高的缺陷，提出了一種頻域稀疏成分分析的盲圖像分離法。結合圖像高頻部分稀疏的特性，對傳統稀疏成分分析模型加以改進，提出線性聚類的稀疏成分分析，并分兩步在不同的空間分別實現對混合矩陣的估計和源信號矩陣的估計。首先在頻域中，利用線性聚類稀疏成分分析混合矩陣估計法估計混合矩陣，再返回空域，利用線性聚類稀疏成分分析源信號估計法提取源圖像。

其中線性聚類的稀疏成分分析的特征在于：對于稀疏度為m-1的完備集，混合信號列向量沿著混合矩陣列向量方向線性聚類，聚類類別數即為混合矩陣列向量的個數。假設j時刻源信號矩陣S中只有第i個源信號不為0，即則X(：，j)＝S(i，j)×A(：，j)，X(：，j)與A(：，j)共線。可知，所有滿足S(i，j)≠0的列與混合矩陣列向量A(：，j)共線。混合信號線性聚類中心的方向決定混合矩陣A列向量方向，混合矩陣A的列數即為混合向量沿線性方向聚類的類別數。