一种改进的FastICA算法及其应用

独立分量分析是基于信号高阶统计量的信号分析方法,它可以找到隐含在数据中的独立分量,已经广泛应用到语音信号处理、图像处理及信息通信等方面。目前应用较多的快速独立分量分析(FastICA)利用了牛顿迭代法原理,具有较快的收敛速度,但对初始值的选择比较敏感。为克服其缺点,改进其优化学习算法,在牛顿迭代方向增加一维搜索,使改进后的算法的收敛性不依赖于初始值的选择。将改进的FastICA算法应用到运动目标检测中,取得稳定性较强的结果。

一种基于FastICA的运动目标检测新方法

独立分量分析是一种新颖的盲源分离技术,目前已经在语音识别、图像处理、通信系统和医学信号处理等领域得到了广泛的关注。简单介绍了独立分量分析的基本理论和算法,用快速独立分量分析(FastICA)方法进行运动目标检测的试验,试验结果表明这是一种鲁棒性较强的运动目标检测方法。

基于FastICA的低信噪比下L-PLC语音的间断传输

在低压电力线通信(L-PLC)中,多径衰减和信道背景噪声大的问题不可忽视,为此提出了一种基于快速独立分量分析(FastICA)的L-PLC间断传输提升抗干扰能力的方法。在建立L-PLC信道噪声模型的基础上,利用FastICA对强噪声干扰的语音信号进行去噪处理,并对处理后的信号进行话音活性检测,最终获得满足质量要求的语音段。Matlab仿真实验结果表明,在低信噪比环境下,该方法成功实现了有条件的语音信号间断传输,并在一定程度上提高了语音传输质量。

基于Fast-ICA和对称正交化的谐波检测

提出一种基于Fast-ICA和对称正交化的电能质量谐波检测方法。在简要介绍独立成分分析方法的基础上,把多次谐波信号看作多个独立成分的线性组合,采用基于负熵极大独立性准则的Fast-ICA算法实现一个独立成分的估计。再利用对称正交化方法实现多个独立成分的并行估计,分别分离出基波信号、各次谐波信号和噪声信号,以实现对谐波的检测。仿真结果表明,该方法可较准确地检测出各次谐波成分的频率和幅值且对噪声不敏感,与基于渐进正交化的Fast-ICA算法相比,该方法具有更高的检测精度和更快的收敛速度。

基于FastICA与ICEEMDAN的人脸视频心率检测

现有的非接触式心率检测方法存在噪声干扰、准确率低等问题。针对这些问题,提出一种基于FastICA与改进的自适应噪声完全集合经验模态分解(ICEEMDAN)相结合的算法,采用人脸视频进行心率检测。用摄像头采集人脸视频,并从视频中提取R、G、B通道源信号,即皮肤颜色变化信号,分别求出RGB这3个颜色通道的像素平均值;然后利用FastICA对RGB这3组像素平均值进行解混,得到3组独立源信号,再用ICEEMDAN将其中一组独立源信号进行模态分解,并选取合适频段内的固有模式函数(IMF)估计心率的信号,最后用频谱分析计算得到心率。设计实验对8名人员进行了人脸视频检测,将检测结果与多参数监护仪进行对比分析。实验结果表明,该方法与多参数监护仪测量结果的平均误差与均方根误差均小于1 beat/min,因此基于FastICA与ICEEMDAN的人脸视频心率检测对人体心率检测具有良好的稳定性和准确性。

基于ICA子空间的目标运动变化检测方法

针对实时场景下复杂背景动态变化的特点,在子空间图像差分模型的基础上,提出了一种基于ICA子空间的目标运动变化检测方法,该算法能够检测出两帧图像之间目标运动变化而不是背景变化部分,克服了目前大多数基于简单差分模型的变化检测算法对图像配准精度要求很高的问题.实验结果表明,这种方法能够准确地提取出实时场景中目标的运动变化区域,并具有很强的鲁棒性.

基于ICA-R的目标运动变化检测

针对实时场景下复杂背景动态变化的特点,在ICA(独立分量分析)模型的基础上,本文将带参考信号的独立分量分析(Independent Component Analysis with Reference,ICA-R)方法引入到目标跟踪环节,该算法能够检测出两帧图像之间目标运动变化而不是背景变化部分,克服了目前大多数基于简单差分模型的变化检测算法计算量大,抗噪声、抗抖动性能弱的问题.实验结果表明,这种方法能够准确地提取出实时场景中目标的运动变化区域,并具有很强的鲁棒性.

一种基于分形和ICA的海杂波SAR图点目标检测新方法

提出了一种新的用于海杂波合成孔径雷达(SAR,Synthetic Aperture Radar)图点目标检测的方法。传统方法一般是基于亮度差异的阈值分割,或者基于降噪之后的目标提取。然而它们处理强海杂波SAR图时,效果并不理想。将传统方法的本质加以提炼和融合,并将分形Hlder指数和独立成分分析(ICA,Independent Component Analysis)相结合,提出了空间分离法,实现了海杂波SAR图的降噪和点目标检测。首先,求得点态Hlder指数图,并用二值模糊化技术对其处理;接着使用ICA技术得到基图像和独立成分;然后使用空间分离法,对独立成分进行分离,同时对基图进行对应分类,获得非噪声和噪声两个空间。最后在非噪声空间上进行独立成分增强,并复原图像。实验部分,将该算法与传统算法进行对比,从视觉效果和量化指标两方面证实了该算法的有效性和优越性。

利用独立成分分析的高光谱图像波段选择方法

提出一种适合目标探测的基于独立成分分析(ICA)的高光谱图像波段选择方法。首先进行"虚拟维"(VD)估计以确定重要独立成分个数,同时对FastICA生成的独立成分排序,选择排序靠前的几个独立成分作为重要独立成分;再根据波段对重要独立成分的平均贡献量对波段排序;最后使用光谱相似性度量去除排序后的冗余波段,保证了最终波段子集含有较多的目标信息。对AVIRIS获取的两幅真实高光谱图像进行了目标探测实验,结果表明,文中方法优于另外两种基于二阶统计特性的波段选择方法,其选出的波段分别占据全部波段的12%和3%,目标探测算子自适应余弦估计(ACE)和自适应匹配滤波(AMF)其上的探测率较全波段分别提高了30%和15%。

一种视频图像中运动目标检测方法研究

针对序列图像中的运动目标检测问题,在独立分量分析的基本理论和算法的基础上,提出采用基于正交对称矩阵的快速定点算法对实际视频图像中的运动目标进行运动检测的方法。实验结果表明:该方法不仅能检测运动轨迹,还能提取运动目标的轮廓,并判断运动方向,是一种有效的运动目标检测方法。

基于人工蜂群算法的运动目标检测方法

提出了一种基于人工蜂群算法的运动目标检测方法。利用将运动目标检测问题转化为独立成分分析问题的原理,选用峭度作为求解信号独立成分的判据,使用人工蜂群算法对基于峭度的目标函数进行优化求解,通过去相关方法从序列图像中剔除分离出的信号成分,进而实现对运动目标轨迹的成功提取。针对模拟运动物体和实际运动物体图像的仿真实验表明,该方法可以很好地检测出序列图像中运动物体清晰的运动轨迹。

基于带参考信号独立分量分析的高光谱图像目标探测

提出了一种用于高光谱图像目标探测的预处理方法,目的是提高目标光谱的准确性,进而提高有监督目标探测算法的精度.该方法将实验室或野外获取的目标光谱作为参考信号,利用带参考信号的独立分量分析方法,从图像中提取出与参考信号相关性最大的独立分量作为新的目标光谱.仿真和实际高光谱数据的实验结果表明,所提出的方法能较大提高目标光谱的准确性,从而较大提高目标探测算法的精度.

变电站遥视系统中运动目标检测

根据无人值守变电站的实际要求,将智能视频监控技术引入到变电站的遥视系统中,实现了运动目标的自动检测。介绍了独立分量分析的基本理论和算法,并用快速独立分量分析(FastICA)方法对运动目标检测进行了试验,试验结果表明这是一种鲁棒性较强的运动目标检测方法。

基于独立分量分析的目标探测研究

本文研究了红外序列图像中目标的探测问题。利用独立分量分析方法,从序列图像中分离出了目标的运动轨迹和背景,在此基础上,提出了一种基于相关度测量的目标探测方法。利用背景区域和目标区域与训练区域相关函数的差别,判断测试区域是否包含目标。仿真实验证明本文方法有效。

变电站遥视系统中运动目标检测

运动目标检测是当前无人值守变电站遥视系统的智能视频监控技术需要解决的问题。采用基于负熵最大判据的快速算法(FastICA)又称为定点法(Fixed-point),通过随机梯度法调节分离矩阵W来达到对信号源进行优化的目的。试验表明,在背景亮度发生变化时,FastICA法也可以很好地检测出运动目标,并将其与背景分离,还可确定运动物体的运动轨迹。试验证明了FastICA是一种鲁棒性较强的运动目标检测方法,具有较强的抗图像背景灰度变化的能力。

基于无下采样Contourlet变换和独立分量分析的红外弱小目标检测

针对存在背景干扰和噪声情况下的红外弱小目标检测问题,提出一种基于无下采样contourlet变换(NSCT)和独立分量分析(ICA)的检测方法。首先原始图像减去通过快速ICA分离出的背景图像,再经NSCT去噪,接着利用新型Top-hat变换滤波得到预处理图像;然后采用基于类内方差及背景与目标面积差的阈值选取方法来分割预处理图像。针对红外小目标图像进行了大量实验,并和基于快速ICA、基于NSCT的红外目标检测方法进行了比较,结果表明所提出的方法抗噪性强,具有更为优越的检测性能。