（通信与信息系统专业论文）独立分量分析方法及其在红外图像处理上的应用.pdf

西南交通大学硕士研究生学位论文第1 页 摘要 独立分量分析算法( i c a ) 作为一种有效的盲信号处理新方法具有重 要的理论和应用价值，目前独立分量分析算法在图像处理方面的应用大 致有：图像特征提取、图像去噪、人脸识别和检测、图像分离、医学图像 处理甚至遥感图像处理等很多方面。 红外图像被广泛应用于许多领域。然而，由于红外探测器的固有特 性所产生的噪声污染、边缘模糊等现象对红外图像造成了严重的影响。 为了降低这类现象对红外图像的影响、改善图像质量，很多的研究人员 在这个方面做了大量的工作，取得了很多的成果。 本论文主要研究了i c a 算法的原理，简要的阐述了i c a 的发展、应 用和现状，详细地描述了i c a 的原理与实现方法，重点地论述i c a 算法 在图像处理上的应用，将i c a 算法与小波变换、分数阶微分结合应用到 红外图像的消噪、增强、边缘提取上。具体工作：利用多分辨率子带分 解的i c a 算法理论，先运用小波对图像分解，然后对所得子图像分别进 行消噪，最后通过小波重构获得处理后的图像；利用分数阶微分在信号 处理上的基本理论，从数字图像分数阶微掩模及其运算规则出发对红外 图像进行增强，再运用i c a 算法，对增强后的图像进行边缘提取。 试验结果表明，i c a 算法在红外图像消噪上效果明显，即能达到消噪 的目的，又能较好的保持红外图像原有的特征，有利于红外图像的进一 步处理。而分数阶微分在增强红外图像灰度变化不大的平滑区域中的边 缘特征效果明显，再使用i c a 算法来提取红外图像边缘，可以获得较其 他算法更为完整的图像边缘信息。 关键词：盲信号处理；独立分量；小波变换；分数阶微分； i n f o r m a x 算法； 西南交通大学硕士研究生学位论文第1 i 页 a b s tr a c t i n d e p e n d e n tc o m p o n e n ta n a l y s i s ( i c a ) i sa l le f f i c i e n ta p p r o a c h t ob l i n d s i g n a ls e p a r a t i o n ，n o wm a n ya p p l i c a t i o n so fi m a g ep r o c e s s i n gb a s eo n i c a ，s u c ha si m a g ee d g ee x t r a c t i o n ，i m a g ed e n o i s e ，i d e n t i f i c a t i o no np e o p l e s f a c e ，i m a g es e p a r a t i o n ，m e d i c a li m a g ed e a l i n ga n ds oo n i nr e c e n ty e a r s ，i n f r a r e di m a g e sa r ew i d e l ya p p l i e dt om a n ya r e a s h o w e v e r , m u c hn o i s ea n db l u r r e de d g ei sas e r i o u sp r o b l e mt ot h ei n f r a r e d i m a g e sb e c a u s eo ft h ei n h e r e n tc h a r a c t e ro fi n f r a r e dd e t e c t o r s i no r d e rt o r e d u c et h e s ep r o b l e m s ，m a n yb o f f i nr e s e a r c h e rm a k ea b u n d a n tw o r k s ，g o tal o t o fs u c c e s s t h ep a p e rd i s c u s st h e p r i n c i p l e o fi c a ，i t s i m p l yd e s c r i p t s t h e d e v e l o p m e n t ，a p p l i c a t i o na n ds t a t u sa b o u ti c a ，a n di tm a i n l yf o c u s e so ni c a a p p l i c a t i o no fi m a g e ，t h em e t h o dm a k e si c at o g e t h e rw i t h w a v e l e ta n d f r a c t i o n a ld e r i v a t i v eo ni n f r a r e di m a g ed e n o i s i n ga n de d g ee x t r a c t t h em a i n w o r k s ：a c c o r d i n gt om s d i c a p r i n c i p l e ，w ec a ng e tt h ec o r r e s p o n d i n g s u b i m a g eb yd e c o m p o s i t i o n o fw a v e l e tt r a n s f o r m t h e n ，u s i n gi c at o d e n o i s et h ei n f r a r e di m a g e ；a c c o r d i n gt of r a c t i o n a ld e r i c a t i v ep r i n c i p l e ， f i r s t ，w ec a l lg e tt h ei m a g ee n h a n c e db yf r a c t i o n a ld e r i v a t i v ea p p r o a c h , t h e n u s ei c at oe x t r a c tt h er e i n f o r c e di m a g e t h ee x p e r i m e n t a lr e s u l ts h o w st h a tt h ei c ah a st h eg r e a te f f e c to n d e a l i n go fi n f r a r e di m a g e ，i tc a nn o to n l yd e n o i s i n g ，b u ta l s ok e e pt h e c h a r a c t e ro fi n t r i n s i ci m a g ew e l l t h i si sp a yt oi n f r a r e di m a g e sp r o c e s s a l s o s h o w st h a tt h ef r a c t i o n a ld e r i v a t i v ea p p r o a c hc a ne n h a n c et h es m o o t ha r e ao f i m a g ea n dt h ei c ah a st h eg r e a te f f e c to ne x t r a c t i n gt h ee d g eo fi n f r a r e d i m a g ee v e ni ft h e r ei sa n yn o i s ee x i s t k e yw o r d s ：i n d e p e n d e n tc o m p o n e n ta n a l y s i s ；w a v e l e tt r a n s f o r m ；f r a c t i o n a l d e r i c a t i v e ；m s d - i c a 西南交通大学 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留 并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借 阅。本人授权西南交通大学可以将本论文的全部或部分内容编入有关数据库进 行检索，可以采用影印、缩印或扫描等复印手段保存和汇编本学位论文。 本学位论文属于 1 保密口，在年解密后适用本授权书； 2 不保密使用本授权书。 ( 请在以上方框内打“ ) 文= 渤师篙鳜夕嗍。硼鲰 o 时，m 至少取 y ，定义y 阶导数为： 纠巾) 兰l i ”m 卜撬h - v 毫i - - ，v st-am i m r h ) ( 4 - 1 0 ) ：dj s ( f ) = s h f ) = ，。 三i ， ) 其中，i v l ：生丛! 蔓音幽若将组合数i ；i = 丝丛掣中l ，j ，! l ，j ，2 g 扩展为任意实数( 包括分数) ，则 了 = ( 一1 ) 7 习。为使蠢”( ，) 达到非 零极限，须当厅专。时刀专o o ，故令厅= _ t - - _ ( ? ，于是行= 竿 。对( 4 1 。) 式先数学归纳，再部分积分可得： 西南交通大学硕士研究生学位论文第4 2 页 秘啪= 占鬻+ 高弘一旷。删c 獭 c 4 1 1 ) 其中，g a m m a 函数r ( 口) ：。i e - , , x , , - l d x ：( a - 1 ) t 6 4 4 2 2 分数阶微分处理红外图像的理论分析 根据f o u r i e r 变换的性质，v 阶分数阶微分在f o u r i e r 变换域内的等 价形式为： j 州j ) = 等 ( 4 - 1 2 ) i ( 域s ) ( 彩) ：( 泐) 9 j ( 国) v 阶微分算子历彤是v 阶微分乘子函数0 ( 缈) = ( i c o ) ”的乘性算子，在 复数域中其指数形式为： id ( 力) = ( i e o ) ”= a ，( 缈) e x p ( i o ( c o ) ) = 口( 国) p ，( 缈) 1口v ( c o ) ：i 国r ，或( 国) ：了v s g n ( 缈) 4 1 3 l z 由式( 4 - 1 3 ) 可知，从通信调制角度看，可以认为信号分数阶微分 的物理意义可以理解为广义的调幅调相，其振幅随频率成分数阶幂指数 变化，其相位是频率的广义h il b e r t 变换4 引。 西南交通大学硕士研究生学位论文第4 3 页 3 2 5 2 1 5 0 5 似时 。 倒 4 ， 1 , 1 - j ， 0 一 膨1 一 一 彳沪 砌( ，5， 棚o p 夕j 00 5 ) x1 0 。 5 4 5 1 1 522 5 3 t a ) 分数阶微分滤波函数 甜l ， j o 5 甜 f ， 一0 ： ， 曲 、 | - h 。 夕 ， ， 23 45 6 78 1 0 x l c r a ( b ) 分数阶积分滤波函数 图4 - 3 分数阶微分滤波函数 由图4 3 可知，从信号处理角度看，v 阶微积分运算其实是对信号进 5 3 5 2 巧 1 5 0 殳 互 l m 西南交通大学硕士研究生学位论文第4 4 页 行线性时不变滤波，其滤波函数为玩( 缈) = ( f 国) 7 = h ”e x p ( i o ，( a o ) 。现在 对其滤波函数进行特性分析可以得到如下四点结论： 1 ) 当v = o 时，它时全通滤波器，反( 国) - 1 矾( f ) = 艿( f ) 2 ) 当v o 时，是对信号作微分运算，。l i m l 成( 彩) i 0 0 ，矾( c o ) 是奇 l a q - v l o 异高通滤波器。v 越大，通频带越窄，高通特性越明显，相应加 强了信号s ( t ) 的高频成份，相对压制了其低频成份，这有利于突 出信号的细节，但抗高频干扰成份性能就越差。 4 ) 特别地，当o i 段，图象 信号的分数阶微分没有一阶微分或二阶微分对于图象边缘的幅 度加强大。但在接近于零频o w i 这样的甚低频段，信号的分 数阶微分不象一阶微分对信号的甚低频段成份进行大幅的线性 衰减，而是进行一种非线性衰减，其幅度衰减没有一阶微分那么 大。在o w o 时，不进行任 何衰减。所以，对于图象灰度变化不大的平滑区域而言，若采用 诸如基于一阶微分的s o b e l 算子去处理，那么经过一阶微分后图 象平滑区域中的灰度变化不大的纹理细节信息必然会遭到大幅 的线性衰减，其结果约等于零，于是就不能很好地检测出图象平 滑区域的纹理细节信息。与此相反，经过分数阶微分处理后图象 平滑区域中灰度变化不大的纹理细节信息没有遭到大幅的线性 衰减，反而在一定程度上进行了非线性保留。这便是分数阶微分 比作整数阶微分更有利于提取图象平滑区域中的纹理细节信息 西南交通大学硕士研究生学位论文第4 5 页 在信号处理方面的本质解释。 尽管数学上函数的分数阶微分可以有不同的定义，但是各种分数阶 微分定义应该满足以下几点性质： 1 ) 在平坦段( 图象灰度值不变的区域) 的分数阶微分值是由对应奇 异跳变处的极大值渐趋于零( r i e m a n n l i o u v i l l e 定义除外) 。而平 坦段的任意整数阶微分必为零。这是分数阶微分相对于整数阶 微分的显著区别之一。 2 ) 在灰度阶梯或斜坡的起始点处的分数阶微分值非零，起到了加 强高频信息的作用。 3 ) 沿斜坡的分数阶微分值非零，亦非常数。而沿斜坡的整数阶微 分值为常数。 可见，分数阶微分在加强图象信号高频边缘和纹理细节信息的同时， 也保留了部分低频轮廓信息。所以，与整数阶微分相比，用分数阶微分 处理图象信号，既有利于提取边缘以及纹理细节，又有利于保持轮廓。 对于纹理丰富的图象信号，包含高度自相似的分形信息。所以，作图象 纹理细节加强处理时，用分数阶微分在理论上优越用整数阶微分来进行 处理。另外，由于分数阶微分在图象灰度平坦的区域不一定为零，所以 图象进行分数阶微分后，最终会得到比整数阶微分相对较粗的边缘过渡。 4 4 2 3 红外图像分数阶微分掩模构造 根据分数阶微分既有利于加强信号高频边缘，又有利于保留部分低 频轮廓 4 8 , 4 9 1 。本文以构造3 x 3 红外图像分数阶模板为例进行仿真。首先 针对数字图像，定义s ( x ，j ，) 的偏分数阶微分为f 4 8 】： 了c t s ( x , y ) s ( x ，y ) + ( 一v ) s ( x l ，y ) + 垦兰掣j ( x 一2 ，y ) ( 4 1 4 ) 掣j ( x ，j ，) + ( 一1 ，) s ( x , y - 1 ) + 墅二! 掣s ( x , y - 2 ) ( 4 1 5 ) o y z 在x ，y 轴方向上的相对逼近误差为： 杈枷= 剑半s ( x - 3 , y ) + + 面r ( 二- 而v + 1 ) s ( x - n , y ) ( 4 - 1 6 ) 西南交通大学硕士研究生学位论文第4 6 页 j ( x ，y ) = 量二! 堕! 掣s ( x , y - 3 ) + + i 五i r i ( - ：v 而+ 1 ) s ( x , y - n ) ( 4 1 7 ) 式( 4 1 6 ) 和( 4 1 7 ) 中的相对逼近误差不是相对于图像分数阶微分的解 析解，而是相对于分数阶微分掩模的尺度大小等于二维数字图像的尺度 时的数值解，是对于解析解的最佳逼近。 在图像像素点( x ，y ) 上的分数阶梯度是通过一个二维列向量定义 的： 乳“加阱 a 9 s o x ” a ”5 钞7 ( 4 1 8 ) 定义分数阶梯度向量的模值为： l m a g ( w s ) + 9 2 - ( 4 - 1 9 ) 本文定义在仿真中，用绝对值来代替平方根运算，近似求分数阶梯 度的模值。 m a g ( v ”s ) = i q i + i q l ( 4 2 0 ) 这样就可以解决分数梯度用到了平方和开方造成模值不是线性的问 题，较简单的保持了灰度的相对变化。 综上所述，由( 4 - 1 4 ) 和( 4 - 1 5 ) 式分别定义x ，y 方向以及左右对 角方向上的分数阶微分掩模为 一“- - v + i ) oo 2 0 1 ， 0 0l o x 方向 0o0 - - v ( - - v + 1 ) 一v 1 2 000 y 方向 西南交通大学硕士研究生学位论文第4 7 页 0 0 l 0 一v o - v ( 一v + l 、 0o 2 v ( - v + 00 2 0 一v 0 0o l 右对角线方向 左对角线方向 4 4 2 4 红外图像增强仿真及分析 仿真实验采用四种分数阶微分掩模算子分别对红外图像s ( x ，y ) 中 像素点( z ，少) 及其邻域进行运算，将其中最大值作为像素点( z ，少) 分数阶微分的灰度值，v 取值0 5 5 。 分数阶增强后的图像原始图像 图4 4 处理后的图像与原始图像 从实验结果可以看出，分数阶微分增强后的红外图像比原始图像较 暗，从灰度值平滑区域的增强效果来看，较好地保留了低频轮廓信息。 对进一步提取图像灰度变化不大的区域的边缘信息做了铺垫。但由于分 数阶微分同拉普拉斯变换和梯度变换一样会在图像中产生不必要的噪 声，其中位于平滑区的噪声较显眼，对边缘提取产生了一定的影响，因 此要进一步地处理红外图像必须采用一种即使有噪声存在的情况下也能 很好提取边缘的算法，这就是本文下面采用的独立分量算法。 西南交通大学硕士研究生学位论文第4 8 页 4 4 3 基于ic a 算法的红外图像边缘特征提取 4 431i c 图像边缘提取算法 b e l l 和s e j n o w s k i 为i c a 提出了一种神经网络学习的i n f o m a x 算法， 其方法是使得随机梯度上升的联合熵最大时输出变量间相互独立。神经 网络输出y 1y2y ，y 的联合熵定义如下： h ( h 北n ) = h ( y o + 日( 儿) + h ( y ) 一l ( y j 北乃，) ( 4 2 1 ) 式中，1 - i ( y , ) 是网络输出的边缘熵，( h n 儿h ) 是输出间的互信息。 i n f o r m a x 算法是一种基于神经网络的无监督学习思想和信息传输极大准 则的学习规则，通过调鼙权值，达到摄化联合熵的目的，得到矿的学 习更新公式； a w o h 。( y ，) ：( 7 ) 矿：( ，+ g ( ) “，) ( 4 - 2 2 ) o 式中，g ( ) 是神经删络输出端的一个非线性函数。 在整个训练过程之前，x 需要进行一个中心化和白化过程： 式中；是x 的平均值，w o 是白化矩阵，= 盼一；) n 一；) ，2 ，这样做 可以明显降低计算量。从而得到我们的基函数a 和图像边缘特征fx ： a = ( 肌碍) 。 ( 4 - 2 4 ) f x = a x = ( 矿w 0 ) “x ( 4 2 5 ) 这些基函数代表了图像在边缘特征上的细节边缘特征，张成图像空 间，使图像可看成是这些基函数的线性组合，而相应的组合系数由i c a 的输出矩阵的列向量决定。i c a 按图像像素问编码非高斯性最强的方向 寻找权值向量矿。并由输出矩阵列构成图像的一组稀疏编码系数1 5 q 。 4 432i c a 图像边缘提取仿真实验及分析 西南交通大学硕士研究生学位论文第4 9 页 44321 基函数的获取 任意选取1 0 幅灰度级为2 5 6 的自然图像，从中用8 x8 滑动窗随机 获取1 0 0 0 0 个8 8 子图像，组成一个6 4 1 0 0 0 0 的训练数据集z ，作为 i c a 输入样本。其中，z 的每一列代表一个子图像。对样本z 进行中心化、 白化，得到白化矩阵：【o 一；) ( z 一才广2 。运用i n f o r m a x 算法对图像 进行训练，最后得到6 4 ) 6 4 的基函数a 。并定义1 1 q 0 1 0 的基函数是稀 疏的，其他超出这个值的不考虑。 443 22 红外图像边缘提取 给定由分数阶微分增强的红外图像s ( 毛y ) ( 图4 - 4 ) ，其边缘特征为： f s = a s ( x ，y ) = ( f 趼：) 。s ( x ，y ) ( 4 - 2 6 ) 将实验结果同经典的边缘提取算法( 图4 - 5 ) 进行比较如下： 原始图像s o b e l 原始图像p r e w f f t 图4 - 5s o b e l 与p r e w i t t 算子处理_ | 亓的图像 原始图像i c 艉取边缘分数阶增强后的i c 瑚缘提取 图4 - 6 直接 c a 与分数阶增强后i c a 处理的图像 西南交通大学硕士研究生学位论文第5 0 页 实验结果表明，i c a 算法在噪声存在的情况下也能较好的提取图像 的边缘，而且效果明显优于s o b e l 、p r e w i t 等经典算法，而且通过分数阶 微分增强后再采用i c a 算法提取图像边缘，还能较好的提取到图像荻度 变化不大区域的边缘信息，不过边缘过渡明显增宽了。 为进一步验证本改进算法对红外图像处理的有效性，我们对重庆伟 联公司提供的其余七幅红外图像应用此算法进行边缘检测，检验本算法 在处理这一类红外图像时的性能优劣。仿真【4 ”结果图形分别见图4 7 始田像a 姑日慷i c 提取边缘丹披阶增强月i c 碰域提取 幽4 7 3 d 固鸸 西南交通大学硕士研究生学位论文第5 1 页 原始腰恒厦蛄图像j 斌取边绿分数阶增强店的l c 瑚鳋提取 圈4 7 6 分数h 丹熬阶 、。一。哥一。嗣一 i 。譬 。，蕾【 西南交通大学硕士研究生学位论文第5 2 页 原始图像原始匿像l c a 提取边缘分数阶增强后的i c a 边缘提取 4 。5 本章小结 图4 7 7 图4 7 为某公司处理后的红外图像 文章将分数阶微分的图像增强与独立分量算法的图像边缘提取结合 在一起，利用分数阶微分能增强图像平滑区域中灰度相对变化不太剧烈 的纹理细节信息的性质，对图像做了增强处理，使得采用i c a 边缘提取 算法后得到的红外图像边缘轮廓信息更完整。但是由于分数阶微分的增 强，图像噪声信号也得到了增强，影响到后面的i c a 边缘提取的平滑度。 可见既要增强图像轮廓又要避免引入噪声成了进一步研究工作的重点。 西南交通大学硕士研究生学位论文第5 3 页 5 1 全文总结 第五章结论与展望 独立成分分析虽然是近年来发展起来的一种新的多维数字信号处理 技术，属于盲信号处理的一个重要分支。由于它在信号处理上面的优点， 必将在图像处理上面得到越来越多的应用。 红外图像的信噪比一般比可见光c c d 电视图像低，图像噪声的消除 及图像细节的清晰化等图像增强技术无疑是图像处理的重要内容。另一 方面，红外热像仪的图像动态范围相对较大，图像可以是常温景物，也 可以是高至数百度的人造目标( 如燃烧的战车、发热的炮管等) ，如何将 如此宽范围的信号用8b i t 的视频信号显示成高对比度的图像，并适合 人眼观察也是红外图像处理的重要方面。 随着数字地球计划的实施和红外技术的发展，红外图像的处理已成 为制约红外技术发展的主要因素，因而采用新的有效的数学分析方法来 代替传统的分析方法已成为红外图像处理取得突破性发展的关键性所 在。本文从了解国内外研究动态出发，查阅了大量相关方面的文献资料， 并结合现有的研究成果，对基于独立分量分析的红外图像去噪、边缘检 测技术作了较深入的研究。主要结论如下： ( 一) 将独立分量分析算法应用在图像消噪上，并尝试将小波与独 立分量分析算法结合，在基于多分辨率子带分解的i c a 理论基础上，将 改进算法运用到红外图像的消噪上，并通过仿真实验证明了i c a 算法在 红外图像消噪上的优点。 ( 二) 进一步将独立分量分析算法应用在红外图像边缘提取上的， 在对红外图像的特性分析的基础上，采用分数阶微分算法对红外图像先 增强，再运用i c a 算法提取图像边缘，并通过仿真实验得到了较其他算 法更为完整的红外图像边缘。 5 2 后续工作与展望 由于本人的水平有限，论文工作还有很多不尽如人意的地方。今后的 西南交通大学硕士研究生学位论文第5 4 页 工作重点主要是通过大量的实验分析，对前面提出的算法进行进一步的 完善，为今后继续深入研究奠定良好的基础；通过与某公司的合作，将 所进行的研究工作应用于该公司的医用红外热像仪图像预处理单元的改 良。 西南交通大学硕士研究生学位论文第5 5 页 致谢 在即将完成学业之际，我要衷心的感谢那些曾经关心过我和帮助过 我的人，不论在学习过程中还是在生活当中，如果没有他们为我排忧解 难，就不会有我今天的顺利毕业。 首先，我要把最诚挚的感谢献给我的导师陈向东教授，在我攻读硕 士学位期间，陈老师对我的学习给予了无微不至的关心，在论文工作阶 段，从论文选题直到论文最终定稿，陈老师都给予了悉心指导和帮助。 陈老师高尚的品德、严谨的治学态度、渊博深邃的学识和丰富的实践经 验使我受益匪浅。可以说，是陈老师的精心指导促成了本文的顺利完成。 再一次对陈老师表示深深的感谢。 感谢我的同窗好友李辉，张海建，毕雪，严峻，张雷和实验室的其 他同学，感谢他们在我学习和生活中给予我的帮助，正是在与他们的交 流中我学到了许多有用的东西，弥补了自己的许多不足。 感谢计算机与通信工程学院所有的领导和老师，他们为我的学习和 生活提供了很大的方便和有利条件，使我的学业能够顺利完成。同时也 要感谢西南交通大学曾经教授过我的老师们。 最后，我要特别感谢我的家人，亲人朴实无私的奉献和所倾注的爱 与关怀永远是我学习和生活的动力源泉和坚实后盾。 再次对所有关系帮助过我的人表示深深的感谢! 西南交通大学硕士研究生学位论文第5 6 页 参考文献 【1 】pc o m o n i n d e p e n d e n tc o m p o n e n t 1 9 9 4 ，3 6 ：2 8 7 - 3 1 4 【2 】吴正国，唐劲松，章林柯等译 社北京2 0 0 5 52 8 8 a n a l y s i s ，an e wc o n c e p t 【j s i g n a lp r o c e s s i n g , 自适应盲信号与图像处理【m 】 电子工业出版 【3 jajb e l l ，tjs e j o n w s k i t h ei n d e p e n d e n tc o m p o n e n t s o fn a t u r a ls c e n e sa r ee d g e f i l t e r s j j v i s i o nr e s e a r c h ，1 9 9 6 ，3 7 ：3 3 2 7 - 3 3 3 8 【4 】c a ox 氏l i urw ag e n e r a la p p r o a c ht ob l i n ds o u r c es e p a r a t i o n j i e e et r a n s s i g n a lp r o c e s s i n g 19 9 6 ，4 4 ：5 6 2 5 71 【5 】h y v a r i n e na ，h o y e r 只o j ae s p a r s ec o d es h r i n k a g ef o rd e n o i s i n g 【a 】i np r o e i e e ei n t j o i n tc o n f o nn e u r a ln e t w o r k s ，a n c h o r a g ea l a s k a 19 9 8 ，8 5 9 8 6 4 【6 】h a r i t o p o u l o sm ，y i ni ij ，a l l i n s o nnm i m a g ed e n o i s i n gu s i n gs e l f - o r g n i z i n g m a p b a s e dn o n l i n e a ri n d e p e n d e n tc o m p o n e n ta n a l y s i s j 】n e u r a ln e t w o r k 2 0 0 2 ，1 5 ： 1 0 8 5 1 0 9 8 【7 】h a nxh ，c h e nyw n a k a oz ，l uh q i c a - d o m a i nf i l t e r i n go fp o s s i o nn o i s e i m a g e s 【a 】t h i r di n t e r n a t i o n a ls y m p o s i u m o nm u l t i s p e c t r a li m a g ep r o c e s s i n ga n d p a t t e r nr e c o g n i t i o n 2 0 0 3 ，s p i ev 0 1 5 2 8 6 ，811 814 【8 】h u r r ij ，h y v a r i n e na ，k a r h u n e nj ，a n do j ae i m a g ef e a t u r ee x t r a c t i o nu s i n g i n d e p e n d e n tc o m p o n e n ta n a l y s i s a 】i np r o c i e e en o r d i cs i g n a lp r o c e s s i n gs y m p ， e s p o o ，f i n l a n d 19 9 6 ，4 7 5 - 4 7 8 【9 】h y v a r i n e na ，o j ae ，e ta 1 i m a g ef e a t u r ee x t r a c t i o nb ys p a r s ec o d i n ga n di n d e p e n d e n t c o m p o n e n ta n a l y s i s 【a 】i np r o e i n t c o n o np a r e mr e c o g n i t i o n ( i c p r 9 8 ) ， b r i s b a n e ，a u s t r a l i a 19 9 8 ，12 6 8 12 7 3 【10 b e l laj ，s e j n o w s k itj t h e ”i n d e p e n d e n tc o m p o n e n t s ”o fn a t u r a ls c e n e sa r ee d g e f i l t e r s 【j 】v i s i o nr e s e a r c h 1 9 9 7 3 7 ：3 3 2 7 3 3 3 8 【11 h o y e rpo ，h y v a r i n e na i n d e p e n d e n tc o m p o n e n ta n a l y s i sa p p l i e dt of e a t u r e e x t r a c t i o nf r o mc o l o u ra n ds t e r e oi m a g e s 【j 】n e t w o r kc o m p u t a t i o ni nn e u r a l s y s t e m s 2 0 0 0 1 l ：1 9 1 2 1 0 【12 c h e n gj ，c h e nyw ，l ul iq ，z e n gxyc o l o r - a n dt e x t u r e - b a s e di m a g e s e g m e n t a t i o nu s i n gl o c a l f e a t u r e a n a l y s i sa p p r o a c h 【a 】t h i r di n t e r n a t i o n a l s y m p o s i u mo nm u l t i s p e c t r a li m a g ep r o c e s s i n ga n dp a t t e r nr e c o g n i t i o n 2 0 0 3 ，s p i e 西南交通大学硕士研究生学位论文第5 7 页 v 0 1 5 2 8 6 ，6 0 0 - 6 0 4 【1 3 】范羚，吴小培，等基于独立分量分析的图像特征提取及去噪【j 】计算机工程与应 用2 0 0 3 ，( 9 ) ：1 0 7 - - 1 0 9 ，1 2 6 【1 4 】杨福生，洪波，唐庆玉独立分量分析及其在生物医学工程中的应用【j 】国外医学 生物医学工程分册2 0 0 0 ，2 3 ( 3 ) ：1 2 9 1 3 4 ，1 8 8 【15 v i g a r i o rn e x t r a c t i o no fo c u l a ra r t i f a c t sf r o me e g u s i n g i n d e p e n d e n tc o m p o n e n ta n a l y s i s j e l e c t r o e n c ep h a l o g r a p h ya n dc l i n i c a l n e u r o p h y s i o l o g y 19 9 7 ，10 3 ：3 9 5 - 4 0 4 【16 m c k e o w nm j d e t e c t i o no fc o n s i s t e n t l yt a s k r e l a t e da c t i v a t i o n si nf m r id a t aw i t h h y b r i di n d e p e n d e n tc o m p o n e n ta n a l y s i s 【j 】n e u r o l m a g e 2 0 0 0 ，1 l ：2 4 3 5 【17 c a l l a nde ，c a l l a nam ，k r o o sc ，e ta 1 m u l t i m o d a lc o n t r i b u t i o nt os p e e c h p e r c e p t i o nr e v e a l e db yi n d e p e n d e n tc o m p o n e n ta n a l y s i s ：as i n g l e - s w e e pe e gc a s e s t u d y 【j 】c o g n i t i v eb r a i nr e s e a r c h 2 0 0 1 ，1 0 ：3 4 9 3 5 3 18 c h e nney a odz c h e nl an e wm e t h o df o rd e t e c t i n gb r a i na c t i v i t i e sf r o mf m r i d a t a s e t 【j 】n e u r o e o m p u t i n g 2 0 0 2 ，4 8 ：10 4 7 10 5 2 【1 9 c h e nhf y a odz ，s u eb ，e ta 1 an e wm e t h o df o rf m r id a t ap r o c e s s i n g ： n e i g h b o r h o o di n d e p e n d e n tc o m p o n e n tc o r r e l a t i o na l g o r i t h ma n di t sp r e l i m i n a r y a p p l i c a t i o n 【j 】s c i e n c ei nc h i n a ( s e r i e sf ) 2 0 0 2 ，4 5 ( 5 ) ：3 7 3 - 3 8 2 【2 0 v o r o b ) 7 0 vs ，c i c h o c k ja b l i n dn o i s er e d u c t i o nf o rm u l t i s e n s o r ys i g n a l su s i n gi c a a n ds u b s p a c ef i l t e r i n g , w i t ha p p l i c a t i o nt oe e g a n a l y s i 【j 】b i o l o g i c a lc y b e r n e t i c s 2 0 0 2 ，8 6 ：2 9 3 - - 3 0 3 【21 k i v i n i e m i 、k a n t o l ajh ，j a u h i a i n e nj ，e ta 1 i n d e p e n d e n tc o m p o n e n ta n a l y s i so f n o n d e t e r m i n i s t i cf l v l r ls i g n a ls o u r c e s 【j 】n e u r o l m a g e 2 0 0 3 ，19 ：2 5 3 2 6 0 【2 2 s z uh ，n o e ls ，y i msb ，e ta 1 m u l t i m e d i aa u t h e n t i c i t yp r o t e c t i o nw i t hi c a w a t e r m a r k i n ga n dd i g i t a lb a c t e r i av a c c i n a t i o n 【j 】n e u r a ln e t w o r k s 2 0 0 3 ，1 6 ： 9 0 7 9 1 4 【2 3 z h a n gl ，x i a oww ：j iz ，z h a n gjl i i n t e l l i g e n ts e c o n dg e n e r a t i o nw a t e r m a r k i n g t e c h n i q u ew i t hi c a 【a 】t h i r di n t e r n a t i o n a ls y m p o s i u mo nm u l t i s p e c t r a li m a g e p r o c e s s i n ga n dp a t t e r nr e c o g n i t i o n 2 0 0 3 ，s p i ev 0 1 5 2 8 6 ，7 6 4 7 6 9 【2 4 r i 据，张新刚，孙建德一种基于i c a 的图像水印方法【j 】电路与系统学报2 0 0 3 ， 8 ( 3 ) ：5 5 - 5 9 【2 5 潘红，吴飞，赵雪雁，刘骏伟基于独立关键子块的图像检索新方法【j 】计算机研 究与发展2 0 0 3 ，4 0 ( 7 ) ：9 5 6 - 9 6 2 西南交通大学硕士研究生学位论文第5 8 页 【2 6 j i a n gl ，j iz ，z h a n gl ，z h a n gjh ah a n d w r i t t e nn u m e r ar e c o g n i t i o na l g o r i t h m b a s e do ni n d e p e n d e n tc o m p o n e n ta n a l y s i s 【a 】t h i r di n t e r n a t i o n a ls y m p o s i u mo n m u l t i s p e c t r a li m a g ep r o c e s s i n ga n dp a t t e mr e c o g n i t i o n 2 0 0 3 ，s p i ev 0 1 5 2 8 6 ， 1 5 1 1 5 4 【2 7 乌凌超，莫t 龙基于独立分量分析的字符识别方法明上海大学学报( 自然科学 版) 2 0 0 3 ，9 ( 3 ) ：1 9 3 - 1 9 6 2 8 c h e nch ，z h a n gxh i n d e p e n d e n tc o m p o n e n ta n a l y s i sf o rr e m o t es e n s i n gs t u d y 【a 】p a r to ft h ee u r o p t oc o n f o ni m a g ea n ds i g n a lp r o c e s s i n gf o rr e m o t e s e n s i n gv s p i ev 0 1 3 8 7 1 1 9 9 9 1 5 0 - 1 5 5 【2 9 傅祖芸信息论：基础理论与应用电子工业出版社2 0 0 1 ：1 - 3 0 0 【3 0 t m c o v e r , j a t h o m a s e l e m e n t so fi n f o r m a t i o nt h e o r y n e wy o r k ：j o h n w i l e y & s o n