基于独立成分分析的自适应图像滤波算法

J4 ›› 2010, Vol. 9 ›› Issue (4): 30-33.

基于独立成分分析的自适应图像滤波算法

1.大理学院现代教育技术中心，云南大理 671003；2.大理学院数学与计算机学院，云南大理 671003

收稿日期:2009-12-14 修回日期:2010-03-23 出版日期:2010-04-15 发布日期:2010-04-15
作者简介:王蒙，助教，主要从事图像处理，模式识别，网络化控制研究.

Image Adaptive Filtering Algorithm Based on Independent Components Analysis

1.Modern Education Technology Center, Dali University, Dali,Yunnan 671003，China；
2.College of Mathematics and Computer Science, Dali University, Dali, Yunnan 671003，China

Received:2009-12-14 Revised:2010-03-23 Online:2010-04-15 Published:2010-04-15

摘要/Abstract

摘要：

近年来提出的独立成分分析（ICA）算法基于非高斯分布度量，可以有效提取图像边缘等重要信息。基于FastICA算法，利
用“MIT图像数据库”分别对不同场景图像集进行图像块采样，构建基于单一场景的训练集，训练各训练集得到ICA滤波器，得到并分析各组ICA滤波器对同类型图像集的滤波结果。实验表明ICA滤波可以实现不同场景图像的稀疏编码，且滤波结果具有对训练集自适应拟合能力。

关键词: 图像滤波, 自适应滤波, 独立成份分析, 稀疏编码

Abstract:

In recent years, we can pick up important information from images with the proposed independent components analysis (ICA) algorithm based on non-Gaussian distribution metric. In this paper , The ICA filters were obtained by MIT image dataset based on FastICA algorithm, by this algorithm , the sampling of image pitches from different scenes can be obtained by constructing a training sets based on one scene, and the results of each group of ICA filters were obtained and analyzed. The experiments indicated that ICA filtering can gain sparse code of different scenes images, and it has adaptive characters to training sets.

Key words: image filtering, adaptive filtering, independent components analysis, sparse encode

中图分类号:

TP391.41

王蒙, 王雅洁, 杨丕仁, 杨润标. 基于独立成分分析的自适应图像滤波算法[J]. J4, 2010, 9(4): 30-33.

WANG Meng, WANG Ya-Ji, YANG Pi-Ren, YANG Run-Biao. Image Adaptive Filtering Algorithm Based on Independent Components Analysis[J]. J4, 2010, 9(4): 30-33.

参考文献

〔1〕P. J. Burt. The pyramid as a structure for efficient
computation. A. Rosenfeld（Ed.）〔J〕. Multiresolution
Image Processing and Analysis，Springer-Verlag，Berlin，
1984，3（5）：6-35.
〔2〕I. Daubechies. Ten Lectures on Wavelets〔M〕. SIAM，
Philadelphia，1992：1-20.
〔3〕Patricia R. Oliveira，RoseliA F Romero. Improvements
on ICA mixture models for image pre-processing and
segmentation〔J〕. Neurocomputing，2008，71（6）：2180-
2193.
〔4〕Du-Ming Tsai，Ping-Chieh Lin，Chi-Jie Lu. An
independent component analysis-based filter design for
defect detection in low-contrast surface images〔J〕. Pattern
Recognition，2006（9）：1679-1694.
〔5〕B A Olshausen，D J Field. Emergence of simple-cell
receptive field properties by learning a sparse code for
natural images〔J〕. Nature，1996（381）：607-609.
〔6〕E Oja. Principal Components，M ino r Components，and
linear neural networks〔J〕.Neural Networks，1992，5（6）：
927-935.
〔7〕王卫东，韩斌，杨静宇.基于PCA及ICA的双空间特征提取
算法〔J〕.中国图象图形学报，2008，13（11）：2163-2169.
〔8〕杨秀梅，潘家华，张祖兴.ICA在心音信号处理中的应用
〔J〕.生物医学工程学杂志，2008，25（4）：766-769.
〔9〕唐焕文，张伟伟，史振威.新的ICA算法实现成组fMRI信号
盲分离〔J〕.大连理工大学学报，2007，47（5）：773-776.
〔10〕赵秦怡，王丽珍.一种新的空间分类挖掘方法〔J〕.大理学
院学报，2004，3（3）：106-108.
〔11〕彭红毅，朱思铭，蒋春福.数据挖掘中基于ICA的缺失数
据值的估计〔J〕.计算机科学，2005，32（12）：203-205.
〔12〕余慧海，申金媛，刘润杰.基于ICA和NFL与NN联合分类
器的人脸识别〔J〕.计算机工程与应用，2008，44（26）：
183-185.
〔13〕张丽丹，黄凤岗，李先伟.基于监督式ICA的人脸识别
〔J〕.哈尔滨工程大学学报，2006，27（5）：748-751.
〔14〕P Comon. Independent component analysis，a new
concept?〔J〕. Signal Processing，1994，36：287-314.
〔15〕A Hyv rinen，E Oja. Independent component analysis：
algorithms and applications〔J〕. Neural Computation，
2000，13（4/5）：411-430.
〔16〕A Hyva rinen，E Oja. A fast fixed-point algorithm for
independent component analysis〔J〕. Neural Computation，
1997，9（7）：1483-1492.
〔17〕Svetlana Lazebnik，Cordelia Schmid，Jean Ponce. Beyond
Bags of Features：Spatial Pyramid Matching for Recognizing
Natural Scene Categories〔J〕. Proceedings of the IEEE
Conference on Computer Vision and Pattern Recognition，
2006，3（5）：1-7.
〔18〕施冰，段利华.基于字块特征的汉字分类方法〔J〕.大理学
院学报，2009，8（4）：22-23.
〔19〕李岩，王东风，韩璞.基于核独立分量分析的模糊核聚类
神经网络集成方法〔J〕.计算机应用研究，2009，26（9）：
3318-3320.
〔20〕李晓欧，冯焕清.基于复合型神经网络的非线性ICA及其
在SCP少次提取中应用研究〔J〕.电子与信息学报，2005，
27（2）：326-328.