基于小波和Curvelet变换联合去噪的含噪盲源分离

被引：2

作者：

孙晓东

张朝柱

杨莘元

机构：

[1] 哈尔滨工程大学信息与通信工程学院

来源：

黑龙江大学自然科学学报 | 2007年 / 06期

关键词：

小波去噪; Curvelet去噪; 盲源分离; 图像分离;

D O I：

10.13482/j.issn1001-7011.2007.06.030

中图分类号：

TN911 [通信理论];

学科分类号：

081002 ;

摘要：

独立分量分析(ICA)是一种仅依据信号间的统计独立的性质,对多路观测到的信号进行盲源分离的方法。现有的独立分量分析算法大都假设在无噪声情况或噪声很小可以忽略不计的情况,而在强噪声背景下,这些算法都无法获得理想的分离效果。在含噪信号盲源分离一般模型的基础上,提出了一种小波和Curvelet变换联合去噪的含噪信号盲分离算法。通过对高斯噪声背景下的混合图像的仿真研究,表明该方法能有效的提高图像的信噪比,减轻了噪声对经典ICA算法分离性能的影响,很好的实现了含噪混合图像的分离。

引用

页码：747 / 750

页数：4

共 5 条

[1]

Spatial adaptive wavelet thresholding for image denoising. Chang S G,Vetterli M. Proceedings of the IEEE International Conference on Intelligent Processing Systems ICIPS . 1997

[2]

Fast and robust fixed-point algorithms for independent component analysis. Hyv rinen A. IEEE Transactions on Neural Networks . 1999

[3]

Independent component analysis.A new concept. Common P. Signal Processing . 1994

[4]

Source separation in strong noisymixtures:a study of wavelet de-noising pre-processing. Parasehiv-Ionescu A,Jutten C. IEEE International Conference on Acoustics Speech and Signal Processing Proceedings . 2002

[5]

Digital curvelet transform:Strategy,implementation and experiments. David L D,Mark R D. Proceedings of SPIE the International Society for Optical Engineering . 2000

← 1 →