基于ICA特征的圖像公共基與分割算法研究.pdf

1、獨立成分分析(Independent Component Analysis,ICA)是一種重要的特征提取技術。它所提取的特征之間是盡可能相互獨立的,這不僅最大化的降低了特征之間的冗余信息,還更能反映數(shù)據(jù)之間的內在本質。因此,它得到了廣泛的研究和應用。本文深入分析了ICA模型的原理與機制,利用ICA提取的特征研究了圖像的公共基問題和合成孔徑雷達(Synthetic Aperture Radar,SAR)圖像的分割算法。
　　圖像的公

2、共基是指,構成圖像的一組基,使得所有的圖像都可以在該基上線性表示。本文旨在于找到一組適合于多種類型圖像的公共基,然后在公共基張成的空間中研究圖像的各種問題。首先利用ICA模型從一組圖像中提取一組特征,作為公共基;然后利用偏最小二乘估計(Partial Least Squares,PLS)將圖像投影到公共基張成的空間。實驗結果表明,由ICA模型和PLS模型生成的框架,可以很好的對自然圖像和SAR圖像進行分解與合成。同時,還發(fā)現(xiàn)提取公共基所

3、用的圖像集是容易獲得的,并且公共基與投影系數(shù)之間具有一一對應性。接著,利用公共基研究了基于稀疏表示的圖像壓縮算法。實驗結果表明,通過控制還原圖像時投影系數(shù)的百分比,可以在圖像較高的還原質量下,取得很高的壓縮率。
　　另一方面,由于合成孔徑雷達在生成圖像時不受時間和天氣的影響,其使用十分廣泛,因此,SAR圖像分割算法的研究十分重要。本文旨在于利用ICA特征實現(xiàn)SAR圖像的分割。首先研究了SAR圖像紋理特征分析的現(xiàn)狀;然后利用ICA模

4、型對紋理特征合成的向量進行降維,也即是二次特征提取;最后利用KNN分類器對圖像中像素進行分類,從而實現(xiàn)圖像的分割。同時,還研究了與ICA模型相關的幾種線性降維模型( Principal Component Analysis( PCA), Fisher Linear Discriminant( FLD), Relevant Component Analysis( RCA), Neighbourhood Component Analysis

5、( NCA)和Discriminant Independent Component Analysis(DICA)),與基于ICA模型的結果進行比較分析。實驗結果表明,ICA模型在SAR圖像的分割結果很差,而其它的模型都能很好的分割SAR圖像。其中,PCA模型對地形區(qū)域明顯,細節(jié)特征少的圖像分割效果較好;其它的模型可以更好的捕獲圖像中的細節(jié)信息。這些模型都會產(chǎn)生邊緣效應(邊緣區(qū)域誤分),而 DICA模型對邊緣效應的抑制最好,更適合于進一步