基于压缩感知的欠定图像盲源分离研究

系统阐述了利用稀疏成分分析(Sparse Component Analysis,SCA)算法进行欠定图像盲源分离。首先在估计出源图像个数的基础上,利用线性聚类估计混合矩阵;其次将压缩感知(Compressed Sensing,CS)应用到恢复源图像中。为了得到自适应的过完备稀疏字典来提高分离效果,提出了利用K均值奇异值分解(K-means Singular Value Decomposition,K-SVD)算法对过完备DCT字典循环迭代训练的思想,并对图像分块处理来减少计算复杂度;最后进行了仿真测试并对分离出的图像进行了分析和进一步处理。

基于图像单调特性的盲源分离算法

针对日常生活中两幅图像会出现混叠的情况,根据数字化图像灰度值范围有界特性和一般信号盲源分离的方法,提出了一种利用分离比值函数单调特性达到图像盲分离目的的新算法。新算法根据接收端的观察信号确定信号之间的比值函数,通过函数的单调性分析找到分离矩阵的关键值,从而实现图像的盲源分离。本算法无须先验知识,没有统计相关性的约束条件,而且分离速度快、效果明显,实验仿真结果验证了算法的有效性。