独立分量分析及其在图像处理方面应用

独立分量分析是一种新的信号处理技术,是基于信号的高阶统计量的分析方法,在许多领域有着广泛应用。介绍了独立分量分析的数学模型和前提假设,总结了确立目标函数所依据的三个独立性度量、主要的优化算法及其性能,综述了独立分量分析的在图像处理方面的应用,并对独立分量分析的难点问题和发展趋势进行总结和展望。

用于单幅影像匀光的Wallis算法

匀光处理是消除光学遥感影像中亮度和色彩分布不均匀现象的过程。经典的Wallis算法仅用于保持两幅或多幅影像间的色调和亮度一致性。这里提出了一种用于单幅影像匀光的Wallis算法,讨论了从待处理影像中选择校正标准的方法;同时利用以像点为中心的局部参数统计值代替分块参数值,有效地避免了"分块效应"。通过实验并与现有Retinex匀光算法进行比较,结果表明改进后的Wallis算法能够有效减小图像反差,取得更好的匀光效果。

独立分量分析改进的图像去噪方法

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。