独立分量分析改进的图像去噪方法Image denoising based on independent component analysis
杨信能,朱宝山
摘要(Abstract)：
针对传统去噪算法在复杂噪声污染图像处理中能力较弱的问题,该文基于信号高阶统计量的独立分量分析,通过其自适应变换,分离出源信号中的统计独立的分量,在分析对比传统图像去噪方法的基础上,讨论了独立分量分析的基本模型及原理;提出了一种结合中值滤波与wiener滤波的最大似然估计的图像去噪改进方法。仿真实验表明改进的独立分量分析去噪方法具有较大的优越性。
关键词(KeyWords)： 独立分量分析;图像去噪;最大似然估计
基金项目(Foundation):
作者(Author): 杨信能,朱宝山
DOI: 10.16251/j.cnki.1009-2307.2015.03.028
参考文献(References)：
- [1]杨福生,洪波.独立分量分析的原理与应用[M].北京:清华大学出版社,2006.
- [2]郭武.面向图像处理的独立分量分析方法[D].北京:国防科学技术大学,2008.
- [3]张朝柱,张健沛,孙晓东.基于curvelet变换和独立分量分析的含噪盲源分离[J].计算机应用,2008,28(5):1208-1210.
- [4]王民,文义玲.常用图像去噪算法的比较与研究[J].西安建筑科技大学学报,2010,42(6):895-898.
- [5]徐秋平,韦琦.独立分量分析在PET图像去噪处理中的应用[J].哈尔滨理工大学学报,2009,14(6):61-65.
- [6]王海瑞,张旭秀.独立分量分析在图像去噪方面的应用[J].工业控制计算机,2012,25(4):66-67.
- [7]郭小杰.混合噪声图像去噪算法的研究[D].太原:山西大学,2010.
- [8]Hyvarient A,Karhunen J,Oja Q.Independent Component Analysis[M].New York:Wiley,2001.
- [9]廖涛辉.改进的步长自适应小波ICA图像盲分离方法[J].计算机工程与应用,2011,47(32):221-223.