基于QPSO和ICA的圖像盲源分離方法的研究.pdf_第1頁
已閱讀1頁,還剩72頁未讀 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、盲分離是指在源信號系統(tǒng)和外部環(huán)境無法精確獲知的情況下,將源信號從混迭信號(觀測信號)中分離出來的過程,自20世紀八十年代提出后,逐漸成為現(xiàn)代信號處理領(lǐng)域的重要組成部分。盲分離研究中的獨立分量分析技術(shù)近年來受到關(guān)注,是信號處理技術(shù)的一個發(fā)展方向,廣泛應(yīng)用于圖像信號處理、地震信號處理、語音信號處理、無線通訊、特征提取以及噪聲消除等方面,該方向的研究具有重要的理論意義和使用價值。
   獨立分量分析方法通過計算數(shù)據(jù)的高階統(tǒng)計特性,從被

2、觀測信號估計出被未知因素混合的相互統(tǒng)計獨立的源信號。文中介紹了獨立分量分析的起源和國內(nèi)外研究現(xiàn)狀,重點研究了獨立分量分析的基本理論模型、目標(biāo)函數(shù)的選取及優(yōu)化問題,給出圖像盲分離數(shù)學(xué)模型,及非高斯最大化、互信息最小化、極大似然估計等目標(biāo)函數(shù)的數(shù)學(xué)描述。對于數(shù)值優(yōu)化方法穩(wěn)定性差、易陷入局部最優(yōu)解,圖像分離效果不好的問題,提出一種改進型的粒子群優(yōu)化算法——QPSO算法,研究了δ勢阱場模型、學(xué)習(xí)模式及算法收斂性,設(shè)計了QPSO算法流程和參數(shù);然

3、后,引入QPSO算法到圖像盲分離,代替原有獨立分量分析(ICA)中的梯度算法,對非高斯最大化目標(biāo)函數(shù)進行優(yōu)化。通過大量的仿真分析,表明QPSO-ICA算法具有分離速度快、效果好的優(yōu)點。
   最后,為進一步提高QPSO-ICA算法的性能,提出了兩種改進的算法:CQPSO和AQPSO,其中CQPSO算法犧牲了時間提高了精度,而AQPSO算法同時兼顧時間和精度,將兩種改進算法應(yīng)用到圖像盲分離中進行仿真分析,實驗結(jié)果表明改進算法優(yōu)于Q

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論