[发明专利]基于反馈机制的抗混合噪声的盲图像源分离方法

权利要求书

1.基于反馈机制的抗混合噪声的盲图像源分离方法，其特征在于：对m幅相同尺寸的含混合高斯白噪声噪声的混合灰度图像X分别做一级haar小波变换，将获得的m个对角分量矩阵分别按行转化为m个向量，并分别作为矩阵X’的行向量，对矩阵X’的列向量进行线性聚类，估计混合矩阵A_SCA，利用A_SCA^-1X，获得首次分离的源图像信号S’，然后计算各分离图像信号S’的均值，输出均值最大的支路；同时将该支路信号置零，并联合其它分离支路信号通过计算A_SCA S’，从原混合信号中去除该支路，形成新的混合图像信号B，对混合图像信号B再次运用上述方法，逐次提取出各支路图像信号，实现抗混合高斯白噪声的适定盲图像源分离。

2.如权利要求1所述的基于反馈机制的抗混合噪声盲图像源分离方法，其中m幅含混合噪声的混合图像的特征在于：对相同尺寸的2幅标准测试图像+1幅高斯白噪声图像随机线性混合，得到m＝3幅含混合噪声的混合图像；或者对相同尺寸的3幅标准测试图像+1幅高斯白噪声图像随机线性混合，得到m＝4幅含混合噪声的混合图像。

3.如权利要求1所述的基于反馈机制的抗混合噪声盲图像源分离方法，其中线性聚类的特征在于：通过判断向量X′_i和向量X′_j间的夹角余弦值是否等于1，即：来判断向量X′_i和向量X′_j是否共线，若共线则归为相同类。

4.如权利要求1所述的基于反馈机制的抗混合噪声盲图像源分离方法，其中估计混合矩阵A_SCA的特征在于：选取线性聚类结果中类内元素最多的m类，通过求每类的算术平均值，得到相应的聚类中心，m个聚类中心即组成估计的混合矩阵A_SCA。

5.如权利要求1所述的基于反馈机制的抗混合噪声盲图像源分离方法，其中反馈去除的特征在于：计算各分离信号的均值，输出均值最大的支路；将该支路信号置零，并联合其它分离支路信号通过A_SCAS’的方法，从原混合信号中去除该支路，形成新的混合图像信号B。

6.如权利要求1所述的基于反馈机制的抗混合噪声盲图像源分离方法，其中逐次提取的特征在于：通过计算各分离信号间的归一化相关系数(NCC)辨别是否已完全分离参与混合的信号，若NCC＞0.99，则认为混合信号中只剩下一路信号，分离结束，否则继续应用上述方法直至NCC＞0.99，NCC的计算方法如下式所示：

NCC=Σi,j|X(i,j)-X‾|×|Y(i,j)-Y‾|Σi,j|X(i,j)-X‾|2×Σi,j|Y(i,j)-Y‾|2]]>

式中，X(i，j)与Y(i，j)分别是两幅图像X与Y在(i，j)的像素灰度值，与是对应两幅图像的像素灰度平均值。

7.如权利要求1所述的基于反馈机制的抗混合噪声盲图像源分离方法，其中适定盲图像源分离的特征在于：参与混合的图像源的个数等于混合图像的个数。