导读:本文包含了图像盲分离论文开题报告文献综述及选题提纲参考文献，主要关键词:变分贝叶斯独立分量,盲源分离,信源估计,图像分离
图像盲分离论文文献综述
刘杰,李志农,范涛,杨诚[1]（2018）在《变分贝叶斯独立分量分析在含噪图像盲分离中的应用研究》一文中研究指出传统的独立分量分析不具有抗干扰性,而且需在源个数已知的条件下,才能进行含噪图像盲分离。针对此不足,本研究提出了一种基于变分贝叶斯独立分量分析的含噪图像盲分离方法。所提算法与传统的分离方法相比,可直接有效分离含噪图像,且具有较强的抗干扰性。此外,该算法根据不同模型的信度估计信源数。实验结果表明,提出的方法是非常有效的。(本文来源于《南昌航空大学学报(自然科学版)》期刊2018年01期）
李飞飞[2]（2017）在《基于无监督神经网络的置换混迭图像盲分离》一文中研究指出盲源分离又称为盲分离,是在不需要太多的源信号和信道先验信息的情况下,仅根据观测到的混合输出信号,分离出各输入源信号的过程,是信号处理领域的一个前沿问题,广泛应用于图像处理、医学信号处理、语音辨识与分离等领域。置换混迭图像的盲分离属于盲源分离的一种特殊情况,图像混迭以置换的方式,而非传统迭加的方式,故针对传统迭加方式混迭的图像盲分离算法不再适用于此类置换方式混迭的图像。因此,研究这种置换图像的盲分离需要新的理论和方法。因为置换混迭图像是在置换区域位置、大小、个数、类型等先验知识未知的情况下,仅根据置换混迭图像的本身信息分离出置换区域的图像,是一个具有挑战性的问题。而无监督神经网络是在先验知识未知的情况下,只通过输入数据自动发现输入数据内部特征,进而找到数据的特征差异。所以本文采用无监督神经网络模型来分离置换混迭图像,利用无监督的稀疏自动编码器模型分离含噪声的置换混迭图像,其次,利用无监督的受限玻尔兹曼机模型分离含模糊的置换混迭图像。本文主要研究内容概括如下:(1)对于含噪声的置换混迭图像,因为置换区域和被置换区域存在噪声差异,并且噪声不能稀疏表示,所以我们选用稀疏自动编码器算法来分离含噪声的置换混迭图像。首先,将含噪声的置换混迭图像分成小块,再将各个小块转化成可操作的数据集。其次,利用前向传播构建稀疏自动编码器网络结构,利用输入数据集训练网络,获得解码后的图像。最后,将解码后的图像与输入图像作差得到差图像,根据差图像利用最大类间方差法选取合适的阈值,对其进行阈值化操作,获得含噪声的置换图像。实验结果表明,该算法在噪声类型和方差大小不同时,能有效地分离置换区域位置、大小、个数不同的置换混迭图像。(2)对于含模糊的置换混迭图像,提出基于受限玻尔兹曼机的置换混迭图像盲分离算法。首先,将含模糊的置换混迭图像转化成可操作的数据集。其次,构建受限玻尔兹曼机网络模型并训练,获得概率矩阵。最后,利用训练好的网络重构输入数据集,根据重构数据集与输入数据集的特征差异,分离出含模糊的置换区域图像。实验结果表明,该算法在置换区域位置、大小、个数、模糊类型和模糊度不同的情况下,能有效的分离置换混迭图像。(本文来源于《河南师范大学》期刊2017-05-01）
魏交统[3]（2016）在《基于变电压图像序列盲分离的X射线多谱CT成像》一文中研究指出X射线多谱CT成像相对于传统单能假设的CT成像,其能谱信息更丰富,可依据能谱与衰减系数的多谱对应性,实现检测对象组分的有效区分,满足新型材料、矿石深加工以及现代医学中组分微观结构等定量化功能成像需求。现有的双能CT、光子计数型CT、能谱滤波分离多谱CT在时间和能谱分辨率上存在一定的局限性,而单色性较好的同步辐射CT为国家大科学装置,共享面较宽,机时有限,限制了样品测试实验效率和规模。对此,论文在不改变常规CT成像系统物理组成的基础上,研究连续谱X射线投影图像能谱分离方法,期望分解所得投影的重建图像能达到窄能谱CT图像效果,从而在常规CT成像系统上实现组分有效区分,为微观结构的定量表征提供支撑。论文在研究X射线多谱衰减特性、多谱成像特点和单能假设CT重建的基础上,分析了连续谱X射线投影序列分解的可行性,提出了基于盲源分离的多谱序列分离的CT成像方法。在此基础上,采用非负矩阵分解方法,以误差平方和最小为优化准则,构建X射线图像序列分解模型,并推导了求解算法。同时针对分解算法的局部收敛性问题,引入具有全局收敛的遗传算法,提出了基于遗传算法的X射线图像序列非负矩阵分解方法,实现了多谱序列的有效分离,获取的投影重建后图像有窄能谱图像特征。针对CT成像过程中散射因素的影响,利用分解残差的局部方差和作为散射信号低频特性的描述,以分解残差的局部方差和最小为优化准则,改进了X射线图像序列非负矩阵分解模型,提高了多谱序列的分离精度。针对盲源分离结果的无序性和窄谱投影的能量不确定性,利用光电效应和康普顿效应分解代替分解模型中的衰减系数,提出了基于衰减系数分解的能谱校准方法,实现了窄谱投影的能量指向;同时,考虑CT图像序列表征问题,耦合多谱成像的物理先验,利用基于DCM模型的窄谱CT序列融合算法,实现了组分的定量表征。论文在理论研究同时,进行实验对比分析。实验过程中,以硅铝材质构成的圆柱体为对象,通过仿真与实验相结合的方法,验证了X射线投影序列分离的可行性,以及所提出的基于遗传算法的X射线图像序列非负矩阵分解方法、改进方法、以及能谱校准和窄谱CT序列融合算法。结果表明,论文提出的基于盲源分离的多谱CT成像方法,可在不改变系统物理组成的基础上,通过扫描模式和数据处理方法的创新,实现材料组分定量表征。这对提高实验效率,降低成本,促进X射线多谱反演与定量检测技术的发展,具有重要理论意义和应用价值。(本文来源于《中北大学》期刊2016-11-29）
段新涛,李飞飞,刘尚旺,彭涛,王婧娟[4]（2016）在《将稀疏自动编码器用于置换混迭图像盲分离》一文中研究指出针对一类置换区域含噪声的置换混迭图像,提出一种基于稀疏自动编码器的算法来自动检测和分离含噪声的置换区域。对含噪声的置换混迭图像进行分块,获取输入数据集。构建稀疏自动编码器网络,通过数据集训练参数,获得解码后的置换混迭图像。将解码后图像与原置换混迭图像作差运算得到差图像,通过检测差图像来确定置换区域,采用自适应阈值化操作分离出含噪声的置换区域,实现对置换区域的自动检测和分离。实验结果表明,采用本算法在置换区域位置、大小、个数和所含噪声类型、大小均未知的情况下,能有效地分离出含噪声的置换区域。(本文来源于《信号处理》期刊2016年05期）
段新涛,王婧娟,范晓艳[5]（2016）在《基于NSCT域二次模糊相关性的运动模糊置换混迭图像盲分离》一文中研究指出针对一类运动模糊置换混迭图像盲分离问题,提出一种基于NSCT域的二次模糊相关性的盲分离算法.首先,对置换混迭图像进行运动模糊,把原图像与相应的运动模糊图像分别在NSCT域上进行稀疏分解,得到各自的低频子带系数和各带通方向子带系数;其次,利用系数的冗余特性求其和图像;然后,对和图像分块,估计各对应子块的相关系数,对其采用阈值化操作分离出置换图像.实验结果表明,采用本算法在置换图像的运动模糊方向、模糊度、大小、位置和个数未知情况下对运动模糊置换混迭图像实现了有效的分离效果,并且对置换图像的正确分离率高于二次模糊相关性置换混迭图像盲分离和小波变换二次模糊相关性盲分离方法.(本文来源于《小型微型计算机系统》期刊2016年05期）
王婧娟[6]（2016）在《基于NSCT域的运动模糊置换混迭图像盲分离》一文中研究指出盲源分离技术是仅仅从观测到的复杂信号中,分离各个未知源信号的过程,是信号处理范畴中研究的热点,其广泛应用在图像处理、雷达、生物医学等领域。置换混迭图像是一种特殊的单信道混合图像,不同于以迭加方式构成的单通道图像,置换混迭图像的混合形式是以置换的形式与其余的图像发生置换混迭,用传统的单信道盲分离方法和理论难以将此类置换图像分离开。本论文针对运动模糊置换混迭图像在NSCT域上展开研究。由于NSCT域具有良好的方向性和各向异性,对运动模糊置换混迭图像在NSCT域上进行稀疏分解,能够很好地提取置换区域和被置换区域的特征差异,通过设置合适的阈值达到置换图像盲分离。论文的主要研究内容概括如下:(1)通过对现有的置换混迭图像数学模型的分析,提出了当置换区域是运动模糊图像时的运动模糊置换混迭图像盲分离模型。利用NSCT域的良好的方向性和各向异性,提出基于NSCT域的运动模糊置换图像盲分离方案。(2)针对置换区域的图像是被运动模糊处理过的置换混迭图像提出了基于NSCT域的二次模糊相关性的运动模糊置换混迭图像盲分离方案。根据运动模糊置换混迭图像中运动模糊图像与源图像之前存在差异,将图像投影到NSCT域上进行稀疏分解,提取特征差异。首先,对此类运动模糊置换混迭图像进行运动模糊得到运动模糊后的图像,把原图像与对应的运动模糊图像分别在NSCT域上稀疏分解;其次,利用分解后系数的冗余特性求其和图像;最后,对原图像与和图像分别进行分块,计算各对应子快的相关系数,对相关系数采用阈值化操作分离出置换图像。通过实验证实,对于运动模糊置换混迭图像,采用此方法可以很好地分离出置换图像,且不受置换图像的运动模糊方向、模糊度、位置和大小等条件的影响。(3)针对运动模糊置换混迭图像盲分离,提出在NSCT域上进行图像增强的方法。运动模糊置换混迭图像经NSCT域稀疏分解为单个低频子带与诸多高频子带。采用非线性增强函数和贝叶斯阈值萎缩方法对高频子带系数做增强处理,得到相应的增强图像。由于运动模糊区域增强前后变化比较大,采用对原图像和对应的增强图像对应的相关系数进行阈值化操作,实现置换混迭图像的盲分离。当被置换区域含有噪声时利用本算法不仅分离出置换图像,而且把被置换图像中的含噪区域也分离出来。且不受运动模糊的模糊方式、位置和大小的影响。(本文来源于《河南师范大学》期刊2016-05-01）
彭涛[7]（2016）在《基于JPEG双量化效应的置换篡改图像盲分离》一文中研究指出在没有任何先验知识的情况下验证数字图像的完整性并且自动检测和分离出篡改区域一直是图像盲取证的热点之一。图像的真实性和完整性在法医调查、刑事调查、情报服务、医学成像和新闻等等多领域都起着非常重要的作用。JPEG(Joint Photographic Experts Group)作为当前网络环境中的主流图像压缩标准,因其具有较其高压缩比和较快的传输速率,因此在网络程序和多媒体中应用广泛。随着图像编辑软件功能的逐渐增强,按照自己的意愿来伪造一幅图像也就变得越来越简单,并且伪造后的图像仅仅依靠人眼根本无法判断其真伪。因此,对JPEG格式的篡改图像设计新的算法来识别图像是否经过恶意篡改也变得越来越重要。目前对JPEG类置换篡改图像的在研究中主要呈现出以下叁类问题:一是现有的大部分盲取证算法要求对待测图像第二次保存时的质量因子较高或者直接为无损格式的图像,并且能够在实际中应用的JPEG类的篡改图像盲检测算法还比较少。二是当经历篡改后的JPEG图像最终保存时的质量因子小于原图像的质量因子时,其检测效率较低。叁是最终得到的二值图像或后验概率图中,对篡改块分离时对阈值设置往往都需要手动设置。本文则针对以上研究中存在的问题做出了以下进一步的研究:(1)针对JPEG图像,依据JPEG图像经历离散余弦变换后,其交流系数符合近似的拉普拉斯分布,利用贝叶斯理论,建立JPEG图像双重压缩的概率模型,并使用25块局部邻域法计算出拉普拉斯系数矩阵,描述出其分布函数,求得每个像素被篡改的概率值,最终得到每一个8?8图像块矩阵的特征值,通过设置合适的阈值自动定位和分离出篡改区域和正常区域,实验结果显示,本算法即使在篡改图像经历深度压缩的情况下也达到很好的检测效果。(2)考虑到在现实生活中大部分图像为JPEG类的真彩色图像,在此类图像被篡改后且对篡改图像的位置、大小和个数都未知的情况下。本文根据JPEG类图像被篡改后,其背景区域的离散余弦系数会经历两次JPEG压缩,表现出双量化效应,而篡改区域的离散余弦系数仅仅经历一次JPEG压缩,不会表现出双量化效应。在此基础上提出了一种改进的DCT系数统计模型,描述经历两次JPEG压缩过程中其DCT系数变化规律。并结合概率论基础,求出每一个图像块被篡改的概率值,得到图像的后验概率密度图。然后利用粒子群算法设定自适应阈值对后验概率密度图进行优化,将待检测图像转化为特殊的二值图像,实现对篡改图像置换区域的识别和分离。实验结果表明,该方法能够准确的定位和提取出篡改区域,并且检测结果与其他传统方法相比较,本算法能很好的把篡改区域从篡改图像中自动提取出来,且不受被篡改图像的位置、大小和个数的限制。上述研究工作为JPEG类篡改图像的盲取证提供了新的思想和方法,其检测效果和传统的方法相比也有了一定的提升。本课题的算法研究在实际应用中有重要意义。(本文来源于《河南师范大学》期刊2016-05-01）
冯宝,刘晓刚[8]（2015）在《基于字典稀疏性的脑图像数据盲分离方法》一文中研究指出针对独立成分分析(ICA)方法的独立性假设在实际脑图像分析中很难完全满足的问题,根据脑图像数据的特点,提出一种基于字典稀疏性的盲分离方法。结合字典学习和盲分离技术,利用源信号在所选字典中的稀疏性,将盲分离的过程转换到稀疏域中,通过在稀疏域中对源信号施加稀疏性约束进行盲分解。采用脑激活区定位实验对该方法进行验证,并用线性相关方法进行结果比较。结果证明,与ICA方法相比,该方法得到的激活体素平均时间序列与实验任务更相关,激活体素空间分布也更集中,具有较高的求解质量和求解效率,可用于更好地分析脑图像数据,在稀疏域中进行盲分解时提高盲分解的质量。(本文来源于《计算机工程》期刊2015年12期）
段新涛,范晓艳,王婧娟,尹欣欣,王伟[9]（2015）在《基于差分进化的插值置换混迭图像盲分离》一文中研究指出针对插值置换混迭图像提出了一套完整的盲分离方案。根据插值图像像素点之间存在的相关性,通过对置换混迭图像分块进行有限差分,检测插值图像与原图像经过有限差分后的值之间的差距,设定适当的阈值,将其分开。为获得最优阈值,用差分进化算法进行优化,获得最优阈值。根据阈值将图像二值化,进而将置换图像分离出来。实验结果表明,该方法比阈值法的鲁棒性强,对经过不同插值方式的置换混迭图像进行盲分离都有较好的效果。(本文来源于《电视技术》期刊2015年21期）
邓安安[10]（2015）在《基于二阶统计的稀疏图像信号盲分离》一文中研究指出盲信号分离是近年来备受关注的信号处理技术,该技术在无需借助任何关于源信号的先验信息的情况下从受扰信号中恢复源信号。稀疏信号的盲分离是盲分离技术的一个重要研究分支,可以利用信号的稀疏性来解决欠定盲分离问题。基于二阶统计的稀疏图像信号盲分离算法,利用二阶矩数字特性判别信号的稀疏性并估计混迭矩阵,从而实现信号的分离,相对于传统的聚类方法,能避免局部收敛问题。(本文来源于《钦州学院学报》期刊2015年05期）
图像盲分离论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
盲源分离又称为盲分离,是在不需要太多的源信号和信道先验信息的情况下,仅根据观测到的混合输出信号,分离出各输入源信号的过程,是信号处理领域的一个前沿问题,广泛应用于图像处理、医学信号处理、语音辨识与分离等领域。置换混迭图像的盲分离属于盲源分离的一种特殊情况,图像混迭以置换的方式,而非传统迭加的方式,故针对传统迭加方式混迭的图像盲分离算法不再适用于此类置换方式混迭的图像。因此,研究这种置换图像的盲分离需要新的理论和方法。因为置换混迭图像是在置换区域位置、大小、个数、类型等先验知识未知的情况下,仅根据置换混迭图像的本身信息分离出置换区域的图像,是一个具有挑战性的问题。而无监督神经网络是在先验知识未知的情况下,只通过输入数据自动发现输入数据内部特征,进而找到数据的特征差异。所以本文采用无监督神经网络模型来分离置换混迭图像,利用无监督的稀疏自动编码器模型分离含噪声的置换混迭图像,其次,利用无监督的受限玻尔兹曼机模型分离含模糊的置换混迭图像。本文主要研究内容概括如下:(1)对于含噪声的置换混迭图像,因为置换区域和被置换区域存在噪声差异,并且噪声不能稀疏表示,所以我们选用稀疏自动编码器算法来分离含噪声的置换混迭图像。首先,将含噪声的置换混迭图像分成小块,再将各个小块转化成可操作的数据集。其次,利用前向传播构建稀疏自动编码器网络结构,利用输入数据集训练网络,获得解码后的图像。最后,将解码后的图像与输入图像作差得到差图像,根据差图像利用最大类间方差法选取合适的阈值,对其进行阈值化操作,获得含噪声的置换图像。实验结果表明,该算法在噪声类型和方差大小不同时,能有效地分离置换区域位置、大小、个数不同的置换混迭图像。(2)对于含模糊的置换混迭图像,提出基于受限玻尔兹曼机的置换混迭图像盲分离算法。首先,将含模糊的置换混迭图像转化成可操作的数据集。其次,构建受限玻尔兹曼机网络模型并训练,获得概率矩阵。最后,利用训练好的网络重构输入数据集,根据重构数据集与输入数据集的特征差异,分离出含模糊的置换区域图像。实验结果表明,该算法在置换区域位置、大小、个数、模糊类型和模糊度不同的情况下,能有效的分离置换混迭图像。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
图像盲分离论文参考文献
[1].刘杰,李志农,范涛,杨诚.变分贝叶斯独立分量分析在含噪图像盲分离中的应用研究[J].南昌航空大学学报(自然科学版).2018
[2].李飞飞.基于无监督神经网络的置换混迭图像盲分离[D].河南师范大学.2017
[3].魏交统.基于变电压图像序列盲分离的X射线多谱CT成像[D].中北大学.2016
[4].段新涛,李飞飞,刘尚旺,彭涛,王婧娟.将稀疏自动编码器用于置换混迭图像盲分离[J].信号处理.2016
[5].段新涛,王婧娟,范晓艳.基于NSCT域二次模糊相关性的运动模糊置换混迭图像盲分离[J].小型微型计算机系统.2016
[6].王婧娟.基于NSCT域的运动模糊置换混迭图像盲分离[D].河南师范大学.2016
[7].彭涛.基于JPEG双量化效应的置换篡改图像盲分离[D].河南师范大学.2016
[8].冯宝,刘晓刚.基于字典稀疏性的脑图像数据盲分离方法[J].计算机工程.2015
[9].段新涛,范晓艳,王婧娟,尹欣欣,王伟.基于差分进化的插值置换混迭图像盲分离[J].电视技术.2015
[10].邓安安.基于二阶统计的稀疏图像信号盲分离[J].钦州学院学报.2015