独立分量
-
-
基于Contourlet与CPSO-ICA的图像盲源分离系统
本项目是一个集成了多尺度几何分析与进化计算的高级信号处理系统，专门用于解决复杂噪声背景下的混合图像盲源分离（BSS）问题。系统核心流程融合了Contourlet变换的稀疏表示能力、独立分量分析（ICA）的统计独立性原理以及混沌粒子群优化（CPSO）的全局寻优能力。首先，利用Contourlet变换（具有各向异性和多方向性）对混合观测图像进行多尺度分解，相比传统小波变换能更好地捕捉图像的曲线边缘和纹理信息，并在变换域内通过非线性阈值函数进行初步的噪声抑制。随后，构建基于ICA的盲分离模型，针对传统ICA算法（如FastICA）对初始值敏感且易陷入局部最优的问题，设计了混沌粒子群优化算法（CPSO）。该算法引入混沌映射（如Logistic映射）初始化种群以增强遍历性，利用混沌序列动态调整惯性权重，从而高效、准确地搜索ICA对比函数的全局最优解，计算出最佳分离矩阵。系统最终将分离后的分量通过Contourlet逆变换重构，实现从含噪混合信号中高质量地恢复出源图像，显著提升了输出图像的峰值信噪比（PSNR）和结构相似性（SSIM），适用于医学影像分析、遥感图像处理及多传感器信号恢复等领域。
