附主要算法代码和说明如下：
初始化后读入原始图像，混合，并输出混合图像，计算图片数据的维数，将其重新排列为一维行向量并组成矩阵，图片个数即为变量数，图片的像素数即为采样数，
将图像数据转换为双精度格式。取一随机矩阵，作为信号混合的权矩阵，得到三个图像的混合信号矩阵，将混合矩阵重新排列为原始的图片矩阵并输出。
％数据复原并构图
ICAedS=B’*Q*MixedS_bak；
ICAedS_bak=ICAedS；
ICAedS=abs(55*ICAedS)；
最后将计算后的混合矩阵重新排列为图片矩阵并输出。
4 结束语
在
分析独立分量分析(ICA)的基本模型和方法的基础上，详细地探讨了FastICA算法，并通过仿真试验，成功地用该算法将3幅混合图像有效地分离出来，
但是在自然界中需要处理许多被污染的图像，这些图像含有众多未知的噪声，我们如何利用压缩稀疏编码进行图像去噪，使得基本的ICA模型可用，是我们下一步
的工作。
|
