[發明專利]基于反饋機制的抗混合噪聲的盲圖像源分離方法

有效

• 申請號: 201210041421.X
• 申請日: 2012-02-23
• 公開（公告）號: CN103295187A
• 公開（公告）日: 2013-09-11
• 發明（設計）人: 余先川;徐金東;胡丹
• 申請（專利權）人: 北京師范大學
• 主分類號: G06T5/00
• 分類號: G06T5/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域：

本發明屬于數字圖像處理與盲信號處理交叉領域，是一種基于反饋機制的抗混合高斯白噪聲的盲圖像源分離方法。

背景技術：

有效去噪是信號處理界遇到的最大問題之一，在源于“雞尾酒會”的盲圖像分離(BSS，blind?source?separation)技術中，大部分研究者只考慮了去除信道加性噪聲(參考對比文件1)。而實際上，作為源支路信號中，不僅僅存在常規的信號支路，還存在噪聲源支路，它們一起參與了系統的混合，模型如圖1所示。在現有的盲圖像源分離算法中，對有噪聲源支路參與系統混合的情況，未見到有效的解決方案。綜上，實現含有噪聲混合的盲圖像源分離具有重要的意義和實際價值。

主流盲圖像源分離方法都是基于獨立成份分析(ICA，independent?component?analysis)和稀疏成份分析(SCA，sparse?component?analysis)算法的，在有噪聲參與的混合情況存在如下問題：

1)基于ICA的算法一般能較好的去除加性噪聲，但要求源信號之間是獨立的且滿足非高斯性，這對有噪聲參與的圖像混合，難以保證僅有1支路的為高斯性，因此導致分離結果不理想(參考對比文件2)；

2)基于SCA的線性聚類算法在沒有噪聲干預及混合源滿足稀疏型的條件下，分離效果良好，但一有噪聲參與，致使稀疏性降低，導致分離效果急劇下降，最終無法正確分離源圖像(參考對比文件3)。

由于多種噪聲的混合接近于高斯分布，且高斯白噪聲在相同的能量下，具有最大的噪聲熵，對信號干擾最為嚴重。基于以上問題，著重對1源支路為高斯白噪聲參與混合的情況做了相關處理，結合反饋和逐次提取的方法，有針對性地解決了混合噪聲的盲圖像源分離問題。

對比文件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.

對比文件2：盧曉光，韓萍，吳仁彪，劉瑞華.基于二維小波變換和獨立分量分析的SAR圖像去噪方法[J]，電子與信息學報，2008，30(5)：1052-1055.

對比文件3：余先川，曹婷婷，胡丹，張立保，代莎.基于小波變換和稀疏成分分析的盲圖像分離法[J]，北京郵電大學學報，2010，33(2)：58-63.

發明內容：

發明了一種基于反饋機制的抗混合高斯白噪聲的盲圖像源分離方法：對含混合高斯白噪聲的混合圖像信號實施一級Haar整數小波變換，獲得稀疏化的對角分量系數，對稀疏化的小波系數進行線性聚類，從而估計出系統的混合矩陣，并根據混合圖像進行首次分離，然后分別計算分離支路的均值，取最大者輸出；通過置0、反饋的方法從原混合信號中去除該路信號，并再次進行盲分離，直至分離出的各支路信號間的歸一化相關系數等于1，即已完全分離所有參與混合的信號。流程如圖2所示。

附圖說明：

圖1盲源分離模型圖

圖2基于反饋機制的抗混合噪聲的盲圖像源分離流程圖

圖3實驗采用的測試源

圖4標準測試圖像和噪聲圖像隨機混合結果

圖5FastICA分離結果

圖6反饋SCA分離結果

圖7標準測試圖像和噪聲圖像隨機混合結果

圖8反饋SCA分離結果

具體實施方式：

1)稀疏化。對m幅相同尺寸的混合圖像X進行一級整數小波變換，選取對角分量系數矩陣，并按行展開分別作為一矩陣的行向量，該矩陣即為對混合圖像稀疏化的矩陣；

2)去零列及方向統一化。對稀疏化后的矩陣每一列X_j(j＝1，2，…，T)，若滿足X_ij＝0，

將X的第j列刪除；若X_1j＜0，則X_j＝-X_j。處理得到新的混合信號X′；

3)線性聚類。對于X′的任意2個列向量X′_i和X′_j，若則X′_i和X′_j共線，設X′_i∈θ(k)，X′_j∈θ(k)，按此將所有列向量線性聚類得到{θ|θ(k)，k＝1，2，…，T}；