基于QPSO和ICA的图像盲源分离方法的研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 1 绪论 | 第10-15页 |
| ·选题的目的和意义 | 第10页 |
| ·盲源分离和ICA的发展历程和研究现状 | 第10-12页 |
| ·ICA在图像处理中的应用 | 第12-14页 |
| ·本论文的主要研究工作 | 第14-15页 |
| 2 ICA的基础理论 | 第15-31页 |
| ·概率和统计相关知识 | 第15-17页 |
| ·随机过程 | 第15页 |
| ·联合概率密度函数 | 第15-16页 |
| ·特征函数 | 第16-17页 |
| ·信息论相关知识 | 第17-19页 |
| ·微分熵 | 第17页 |
| ·联合熵 | 第17页 |
| ·K-L散度 | 第17-18页 |
| ·负熵 | 第18页 |
| ·互信息 | 第18-19页 |
| ·ICA的算法模型 | 第19-21页 |
| ·ICA数据预处理 | 第21-22页 |
| ·中心化 | 第21页 |
| ·预白化 | 第21-22页 |
| ·ICA目标函数的选取 | 第22-24页 |
| ·非高斯性最大化 | 第22-23页 |
| ·互信息最小化 | 第23页 |
| ·极大似然估计 | 第23-24页 |
| ·对目标函数的优化方法 | 第24-27页 |
| ·梯度法 | 第24-26页 |
| ·固定点算法 | 第26-27页 |
| ·算法性能的评判标准 | 第27-29页 |
| ·信噪比 | 第27-28页 |
| ·串音误差 | 第28页 |
| ·相关系数 | 第28-29页 |
| ·仿真实验 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 3 基于QPSO算法的ICA | 第31-61页 |
| ·粒子群算法 | 第31-35页 |
| ·算法基本原理 | 第31-33页 |
| ·算法的流程 | 第33-34页 |
| ·标准PSO算法 | 第34-35页 |
| ·QPSO的基本模型 | 第35-51页 |
| ·基本PSO存在的缺陷 | 第35页 |
| ·QPSO算法的产生 | 第35-37页 |
| ·基于δ势阱场的模型 | 第37-41页 |
| ·QPSO的基本进化方程 | 第41-44页 |
| ·算法流程 | 第44页 |
| ·算法中粒子间的协作 | 第44-45页 |
| ·算法的学习模式 | 第45-46页 |
| ·算法的收敛性分析 | 第46-51页 |
| ·算法的优点 | 第51页 |
| ·基于QPSO的ICA | 第51-53页 |
| ·算法仿真 | 第53-60页 |
| ·实验一 | 第53-56页 |
| ·实验二 | 第56-60页 |
| ·本章小结 | 第60-61页 |
| 4 基于改进QPSO的ICA | 第61-71页 |
| ·基于协作的QPSO算法 | 第61-63页 |
| ·自适应的QPSO | 第63-64页 |
| ·基于改进的QPSO的ICA | 第64-70页 |
| ·仿真实验一 | 第65-67页 |
| ·仿真实验二 | 第67-70页 |
| ·本章小结 | 第70-71页 |
| 5 总结与展望 | 第71-73页 |
| ·本文所作的工作 | 第71页 |
| ·进一步的研究方向 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 攻读学位期间发表的学术论文及取得的科研成果 | 第77-78页 |
| 致谢 | 第78页 |
