基于PCA和ICA的虹膜识别方法

为了提高虹膜识别的正确率,提出了利用主成分分析(PCA)与独立成分分析(ICA)相结合的方法,来对虹膜进行识别的方法。用该方法进行虹膜识别时,首先对预处理后的虹膜图像,利用PCA算法进行去二阶相关和降维处理;然后再进行ICA训练。ICA训练采用了以下两种方法:方法1,将参与ICA训练的图像看作是随机变量,而将图像中的像素值看作是随机实验结果,ICA训练后即可得到相互独立的ICA虹膜基图像;方法2,将图像中的像素值看作是随机变量,而将图像看作是随机实验结果,ICA训练后即得到相互独立的ICA系数。采用CASIA虹膜数据库进行的试验结果表明,基于PCA和ICA的虹膜识别算法在两种训练方式下的正确识别率分别达到98.89%和98.33%。     

结合ICA和PCA方法的胎儿心电提取

在生物医学信号处理领域,独立分量分析(PCA)和主分量分析(ICA)是两种广泛应用的方法。但是,这两种方法各有其优缺点。提出了一种新颖的方法,将ICA和PCA相结合,通过求相关的技术,分别取ICA和PCA方法的优点。将该方法应用于从母体腹部测得的多通道信号中提取胎儿心电信号的实验,得到令人满意的结果。研究结果表明,这种结合ICA和PCA的方法能够比较准确地分离出所需要的胎儿心电信号,进而可以对胎儿心电进行监护,因此在临床上具有一定的实用价值。     

乳腺CAD系统嵌入式方案设计

国外乳腺CAD产品都为基于通用电脑平台的系统,有不少缺点:占空间、成本高,稳定性不强.本文介绍了基于PX-A270平台及开源软件设计的乳腺CAD嵌入式实现方案.分析了系统主要需求,提出了解决方案,包括嵌入式硬件平台设计,本地数据库存储,高分辨率显示,人机交互界面.提出了数字乳腺病变X光图像数据库的维护、同步策略.乳腺CAD系统为放射科乳腺医生尤其是缺乏经验的初、中级医生提供临床辅助诊断,提高诊断的准确率.乳腺CAD系统嵌入式一体化、小型化设计,可以节约设备所占空间,提高稳定性,降低成本.     

基于小波分析和几何特征的人脸识别方法研究

在主成分分析法(PCA)和独立成分分析法(ICA)等理论基础上,提出一种结合人脸几何特征和独立Gabor小波特征分析的人脸识别方法.在对人脸图像进行二维小波分解的基础上,从人脸图像的下采样Gabor小波图像中得到一个Gabor小波特征向量并利用PCA法降维,在ICA法的基础上得到独立Gabor小波特征,并结合人脸面部器官的位置和轮廓及器官距离等所构成的几何特征进行人脸识别.     

基于独立分量分析特征提取的带噪信号端点检测

运用独立分量分析(ICA)提取信号高阶统计特征的方法,提出一种新的利用信号自身统计特性的信噪区分方法,由于ICA变换可以增大语音和噪声的统计性差别,故在ICA域内可以有效区分语音和噪声。在此基础上提出了ICA能量(ICAE)和滤波ICAE(FICAE)特征来进行端点检测。实验表明,结合FICAE与ICAE的端点检测方法在不同信噪比时具有一定的稳定性,在很低信噪比下也能有效检测出语音的端点,显示了良好的抗噪性能,为强背景噪声下弱信号的端点检测提供了新的途径。     

基于独立分量分析的人脸超分辨率重建

提出一种基于独立分量分析(ICA)的人脸超分辨率重建算法。该算法利用ICA从高分辨率训练图像中提取出独立分量,并对ICA系数进行先验估计。对于给定的低分辨率图像,结合最大后验概率估计求出ICA系数,进行ICA反变换得到高分辨率图像的近似估计,并利用局部结构张量对图像进行精化处理得到重建图像。仿真结果表明,该算法在实现人脸超分辨率重建的同时保持了人脸整体结构特征,且对光照、表情、姿态等具有一定的鲁棒性,将重建结果用于人脸辨识,有效提高了辨识效率。     

面向对象的ICA变化检测新方法

通过分析高分辨率影像变化检测方法存在的问题,提出了结合面向对象和非抽样小波变换(undecimated discrete wavelet transform,UDWT)的独立成分分析(Independent Component Analysis,ICA)变化检测新算法。利用面向对象处理方法提取的影像对象特征图作为构建ICA子空间估计输入向量的数据,改善了对噪声抑制的效果,同时,提出了自适应权值的影像对象提取算法,进一步优化了面向对象的处理方法;采用非抽样小波变换进行分块有效克服了现有分块方法带来的ICA子空间估计输入向量尺寸缩减、子空间估计不准确的突出问题。定性定量仿真结果表明:与典型的ICA算法和UDWT算法相比,新算法在高分辨影像变化检测的准确性和鲁棒性方面都得到了很大的改善。     

基于ICA与HMM的表情识别

独立分量分析(independent component analysis,ICA)是一种盲源分离的有效方法,为了进一步有效提取表情图像中隐藏的信息和提高表情识别率,可将它应用于人脸表情识别。由于脸部表情为人类情感、认知过程的研究提供了极为重要的测量依据,因此表情特征的提取和特征序列所代表的表情状态是表情识别过程中的重要步骤。为了更好地进行表情和情感的分类,提出了一种ICA结合隐马尔可夫模型(HMM)识别表情的情感分类系统,该系统首先利用ICA算法进行表情特征提取,为了加快特征提取的速度,这里采用了FastICA算法;然后通过7个训练好的HMM进行表情识别。实验结果显示,该系统使人脸表情识别的整体效果有了提高,取得了令人满意的效果,可以用来识别人脸表情。     

基于WT/ICA和神经网络的人脸识别方法

提出了一种基于WT/ICA和神经网络的人脸识别方法.首先利用小波分析提取原始图像的低频子图,然后利用独立分量分析(ICA)进行特征提取,最后采用径向基函数(RBF)神经网络进行分类和识别.实验表明该方法提高了人脸的识别率.     

基于二维图像矩阵的ICA人脸识别

为了解决传统独立分量分析(ICA)在人脸识别过程中存在的高维小样本问题,同时为了提高识别效率,提出了一种基于二维图像矩阵的独立分量分析(ICA)特征提取方法.该方法将人脸图像矩阵作为训练样本,首先利用主分量分析(PCA)对训练样本进行去二阶相关和降维处理,然后对处理后的样本进行ICA特征提取,由于训练样本维数很小,因此它降低了传统ICA方法中高维小样本问题产生的识别错误率,同时减少了识别时间.在Yale人脸库和ORL人脸库上验证了该算法的有效性.     

基于改进的独立分量分析的人脸识别方法

将独立分量分析（Independent Component Analysis，ICA）作为人脸特征提取方法。ICA所提取的特征分类能力强、相互独立，对像素间高阶统计特性敏感，并且不易受光照变化的影响。实验结果表明，基于IcA的人脸特征提取方法的识别性能优于特征脸法。针对传统的ICA算法（Informax算法）存在迭代次数多，难收敛，并且需要人工设定步长来调整学习速度的不足，本文采用FastICA作为ICA的快速算法，并将其关键迭代步骤加以改进，减少了耗时的雅可比矩阵求逆的运算次数。所提出的改进的FastICA具有无需人工参与，收敛速度快，迭代次数少的优点。在特征选择方面，本文将遗传算法（Genetie Algorithm，GA）应用到独立分量的选择与优化中，从而在保证较高识别性能的前提下，获得最优的人脸特征子集。     

A switchable scheme for ECG beat classification based on independent component analysis

A switchable scheme is proposed to discriminate different types of electrocardiogram (ECG) beats based on independent component analysis (ICA). The RR-interval serves as an indicator for the scheme to select between the longer (1.0 s) and the shorter (0.556 s) data samples for the following processing. Six ECG beat types, including 13900 samples extracted from 25 records in the MIT-BIH database, are employed in this study. Three conventional statistical classifiers are employed to testify the discrimination power of this method. The result shows a promising accuracy of over 99%, with equally well recognition rates throughout all types of ECG beats. Only 27 ICA features are needed to attain this high accuracy, which is substantially smaller in quantity than that in the other methods. The results prove the capability of the proposed scheme in characterizing heart diseases based on ECG signals.     

独立分量分析在多光谱遥感图像分类中的应用

多光谱遥感图像反映了不同地物的光谱特征,其分类是遥感应用的基础。但是在多光谱遥感波段图像中存在不同地物对应着相同的灰度,即异物同谱的问题。独立分量分析算法对未知的源信号的混合信号进行估计,可以获得相互独立的源信号的近似。独立分量分析算法利用了信号的高阶统计信息,对于多光谱遥感图像而言,算法去除了波段图像之间的相关性,获得的波段图像是相互独立的。但是独立分量分析算法有一个缺点,即计算量太大,影响了在多光谱遥感图像分类上的应用。文章对独立分量分析的一种快速算法FastICA进行改进,减少了计算量,提高了算法的有效性。在性能相当的情况下,改进FastICA算法能有效地减少算法的计算量。由于FastICA算法是线性ICA算法,对于非线性混合的光谱信号的估计存在一定误差,因此应用BP神经网络的非线性特性对其进行自动分类。在同原始遥感图像的BP神经网络分类结果进行比较,结果表明独立分量分析算法能提高多光谱遥感图像的分类的正确率。     

一种基于ICA和LDA组合的人脸识别新方法

特征提取是模式识别研究领域的一个热点。本文提出了一种基于独立成分分析和线性鉴别分析的特征提取方法。该方法中引入了零空间的概念,指出了前人算法中的不足之处,并且给出了一个完整的独立成分分析和线性鉴别分析的组合算法。在ORL和Yale人脸数据库上的实验表明了该方法的有效性。     

基于主分量特征与独立分量特征的人脸识别实验

PCA是一种基于二阶统计的最小均方误差意义上的最优维数压缩技术,PCA方法所抽取特征的各分量之间是统计不相关的。ICA方法使用数据的二阶和高阶信息抽取数据的独立分量特征。在人脸图象识别的实际应用中,PCA与ICA方法各有胜负。PCA方法抽取出的主分量特征与ICA方法抽取出的独立分量特征是对原数据的两类不同描述,并设计出一个基于这两类特征的分类器组合方案;联合使用这两类特征,实验得出的人脸识别结果显示,基于分类器组合方案的识别结果优于单独使用PCA特征或ICA特征的单分类器方法。     

一种基于ICA和模糊LDA的特征提取方法

独立成分分析(ICA)和线性鉴别分析(LDA)是两种经典的特征提取方法.为了更好地解决人脸识别中的特征提取问题,在已有的两种方法进行特征抽取的基础上引入模糊技术,抽取重叠(离群)样本中有助于分类的特征.首先用ICA进行初次特征提取,然后采用模糊k近邻方法得到相应的样本分布信息,最后在此基础上用模糊LDA进行二次特征提取,得到有效的特征向量集.在3个人脸数据库上的实验结果表明本文方法的有效性.     

基于统计不相关矢量集的独立成分分析

针对随机数据在高斯分布条件下,独立成分分析在本质上不可能实现的问题,提出在统计不相关矢量集上进行独立成分分析。与一般白化变换后的数据相比,基于统计不相关矢量集的数据具有更好的不相关性,在估计独立分量时性能更优越。在ORL人脸数据库上进行的实验结果证明了该算法的有效性。     

基于标记控制分水岭和Snake交互的乳腺腺体分割

在乳腺癌放射治疗过程中,乳腺腺体分割的准确与否直接关系到患者的治疗效果,提出了一种从粗到细的乳腺腺体图像分割方法。首先利用形态学重构滤波器去除图像中的细小毛刺和不规则边缘,避免产生新边界和边界偏移;然后通过面积标记乳腺腺体,采用强制最小技术修正梯度图像并进行分水岭变换,实现乳腺腺体的粗分割;通过在分水岭脊线上人工选择种子点形成的曲线作为Snake模型的初始轮廓来动态逼近目标的真实边缘,实现乳腺腺体的细分割。实验结果表明,该方法对乳腺腺体的分割具有较高的准确性。     

Feature Extraction Using Independent Components of Each Category

We describe an application of independent component analysis (ICA) to pattern recognition in order to evaluate the effectiveness of features extracted by ICA. We propose a recognition method suitable for independent components that consists of modules for each category. A module has two parts: feature extraction and classification. Features are independent components estimated by ICA and outputs of modules are candidates for categories. These candidates are combined and categories are decided with a majority rule. This recognition method is applied to two tasks: hand-written digits in the MNIST database and acoustic diagnosis for a compressor as real-world tasks. A FastICA algorithm is applied to extracting independent features in the proposed method. Through recognition experiments, we demonstrate that the ICA of each category extracts useful features for these tasks and the independent components are superior to the principal components in recognition accuracy. Manabu Kotani - Deceased     

基于ICA的卵巢癌质谱数据分析

卵巢癌蛋白质谱数据属于高通量数据,含有大量冗余信息,且许多重要信息都包含在高阶信息中,而独立成分分析可以从高阶信息中提取有用特征。将传统的独立成分分析融入卵巢癌蛋白质谱数据的特征提取中,并利用类信息机制监督独立成分分析过程。仿真实验结果表明,独立成分分析和监督式独立成分分析在卵巢癌蛋白质谱数据集研究过程中取得了良好的效果,识别率可达98%。