登录 | 注册 | 退出 | 公司首页 | 繁体中文 | 满意度调查
综合馆
基于curvelet变换和独立分量分析的含噪盲源分离
  • 摘要

    独立分量分析(ICA)是基于信号高阶统计量的盲源分离方法,在高阶统计量方法中,由于高斯信号的高阶累计量为零,所以系统存在加性高斯噪声时就难以处理.提出了一种基于curvelet阈值去噪和FastICA算法的含噪信号盲分离的方法,并对高斯噪声环境下的混合图像进行了盲分离的仿真.结果表明,该方法能很好地解决由于存在加性高斯噪声而导致经典ICA算法性能发生严重恶化的问题;同时将curvelet变换去噪应用于含噪图像的盲源分离中,可以提高混合图像的信噪比,相对于小波去噪后的ICA算法,其分离性能有很大改善.

  • 作者

    张朝柱  张健沛  孙晓东  ZHANG Chao-zhu  ZHANG Jian-pei  SUN Xiao-dong 

  • 作者单位

    哈尔滨工程大学,信息与通信工程学院,哈尔滨,150001/哈尔滨工程大学,计算机科学与技术学院,哈尔滨,150001

  • 刊期

    2008年5期 ISTIC PKU

  • 关键词

    curvelet阈值去噪  FastICA  图像去噪  图像分离 

参考文献
  • [1] Donoho D.L.. De-noising by soft-thresholding. IEEE Transactions on Information Theory, 1995,3
  • [2] Hyvarinen Aapo. Fast and robust fixed-point algorithms for independent component analysis. IEEE Transactions on Neural Networks, 1999,3
  • [3] COMMON P. Independent component analysis:A new concept?. Signal Processing, 1994,03
  • [4] HYVARINEN A. Fast ICA for noisy data using Gaussian moments. Washington,DC:IEEE Computer Society, 1999
  • [5] PARASEHIV-IONESCU A;JUTTEN C;AMINIAN K. Source separation in strong noisy mixtures:A study of wavelet de-noising pre-processing. Washington,DC:IEEE Computer Society, 2002
  • [6] XIANG QIAN;LING CHUN-SHENG;CHENG JIN-FANG. Adaptive algorithm for blind source separation form instantaneous noisy mixtures. Data Acquisition and Processing, 2006,01
  • [7] DONOHO D L;DUNCAN M R. Digital curvelet transform:strategy,implementation and experiments. Bellingham:SPIE, 2000
  • [8] CANDES E J;DEMANET L;DONOHO D L. Fast discrete curvelet transform. http://www.curvelet.org, 2007-09-25
  • [9] STARCK J-L;CANDES E J;DONOHO D L. The curvelet transfom for image denoising. IEEE Transactions on Image Processing, 2002,06
查看更多︾
相似文献 查看更多>>
3.227.252.191