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。
|