基于阻尼修正FICA的图像分离算法

许法强

（浙江工贸职业技术学院信息传媒学院，浙江温州325003）

基于阻尼修正FICA的图像分离算法

许法强

（浙江工贸职业技术学院信息传媒学院，浙江温州325003）

独立分量分析算法是一种常用的盲源信号（包括图像信号、音频信号等）分离方法，它的主要任务在于分析混合矩阵及对应的分离矩阵的结构。文章提出了一种阻尼修正的独立分量分析方法，它可以根据迭代过程中梯度函数的收敛情况来动态设置和调整阻尼系数的值，从而保证梯度函数始终能收敛于某一稳定值，并且最终可提取出一组特定的独立分量，同时还具有修正的独立分量分析方法所具有的计算速度快的优点。通过两组混合图像的分离实验，证明该方法具有一定的实用意义。

独立分量分析；盲源信号分离；快速独立分量分析；阻尼系数

0 引言

独立分量分析（Independent Component Analy⁃sis，ICA）方法的原理就是根据独立性衡量准则，从一组混合信号中分解并提取出各独立的原始信号。该方法被广泛地应用于盲源信号分离中，如著名的“鸡尾酒会”问题。

假设有N个独立的信号源S(t)=[s1(t), s2(t), …, sN(t)]T，其中t代表不同的采样点，另外还有M个观测信号X(t)=[χ1(t), χ2(t), …, χM(t)]T由N个独立信号源混合而成。上述过程可以分别通过混合矩阵A和分离矩阵W来操作，假设最终提取出的独立分量为

其中，W即为A的广义逆矩阵，但混合矩阵A和分离矩阵W均为未知，我们只能通过观测信号X(t)来获取一个关于源信号S(t)的最佳估计值S’(t)。

对于公式(1)的求解，主要是分析混合矩阵A及对应的分离矩阵W（主要是后者）的结构[1～3]。……