论文部分内容阅读
独立分量分析(ICA)是近期发展起来的一种非常有效的盲信号处理技术，在许多应用领域正发挥着越来越重要的作用。ICA具有重要的理论和应用价值，在无线通信、声纳、语音处理、图像处理和生物医学等领域具有广泛而诱人的应用前景，在过去的十几年时间里，有关的理论和算法研究都得到了较快的发展，并涌现出了许多有效的算法。目前，ICA已经成为国际上信号处理和人工神经网络等学科领域的一个研究热点。本论文的主要工作在于引入了一种新的特征提取方法——独立分量分析。独立分量分析的根本原理是通过分析多维观测数据间的高阶统计相关性，找出相互独立的隐含信息成分，完成分量间高阶冗余信息的去除及独立信源的提取。独立分量分析是信号处理技术的新发展，它作为盲信号分离的一种有效方法而受到广泛的关注。独立分量分析算法通过计算数据的高阶统计信息，可以从观测信号中估计出相互统计独立的、原始的、被未知因素混合的信号的估计信号。能够反映图像数据的高阶统计特征，在图像处理中得到成功的应用。本文对独立分量分析及其在图像处理方面的应用进行了研究，主要有以下几个方面的工作：(1)整理ICA的基本原理、发展历史以及介绍与ICA密切相关的概率、统计、信息论基础知识；(2)争对独立性度量问题，介绍了ICA独立性度量的几种方法；详细介绍ICA基于信息论的几种算法；(3)我们用FastICA算法对自然图像提取独立基，并利用Hyv(?)rinen等提出的算法对有噪图像进行去噪；(4)在本论文中，我们分别用PCA、ICA方法对测试人脸集图像提取PCA、ICA人脸基图像，加权混合测试人脸集在PCA人脸基和ICA人脸基的系数特征，然后用最近邻和余弦分类器进行识别，结果表明该方法要优于只有其中单一的方法的识别结果；并把ICA和核方法结合起来对人脸进行识别。