基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
独立分量分析(independent component analysis,ICA)是基于信号高阶统计量的盲源分离方法.在分析独立分量分析的基本模型及方法的基础上,讨论了有噪信号的独立分量分析(Noisy ICA),结合传统有噪图像分离方法与结合改进FastlCA算法有噪图像分离仿真研究进行对比.结果表明,该算法即使在高水平噪声图像中,也能够分理出比较清晰的图像.
推荐文章
独立成分分析在CT图像去噪中的应用
独立成分分析
CT图像
去噪
基于独立分量分析的图像增强
独立分量分析
盲源分离
图像增强
基于维纳滤波和快速独立分量分析的有噪混合图像盲分离
独立分量分析
盲源分离
维纳滤波
图像信号
异型纤维图像去噪分析
全变差
中值滤波
图像去噪
高斯噪声
脉冲噪声
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 独立分量分析在图像去噪方面的应用
来源期刊 工业控制计算机 学科 工学
关键词 独立分量分析 图像去噪 图像分离
年,卷(期) 2012,(4) 所属期刊栏目 软件与仿真
研究方向 页码范围 78-79
页数 分类号 TP391.41
字数 977字 语种 中文
DOI 10.3969/j.issn.1001-182X.2012.04.038
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 张旭秀 大连交通大学电气信息学院 29 82 5.0 7.0
2 王海瑞 大连交通大学电气信息学院 1 6 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (72)
共引文献  (283)
参考文献  (6)
节点文献
引证文献  (6)
同被引文献  (4)
二级引证文献  (3)
1967(1)
  • 参考文献(0)
  • 二级参考文献(1)
1988(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(3)
  • 参考文献(0)
  • 二级参考文献(3)
1992(2)
  • 参考文献(0)
  • 二级参考文献(2)
1993(4)
  • 参考文献(0)
  • 二级参考文献(4)
1994(5)
  • 参考文献(0)
  • 二级参考文献(5)
1995(7)
  • 参考文献(0)
  • 二级参考文献(7)
1996(5)
  • 参考文献(0)
  • 二级参考文献(5)
1997(9)
  • 参考文献(0)
  • 二级参考文献(9)
1998(13)
  • 参考文献(0)
  • 二级参考文献(13)
1999(11)
  • 参考文献(0)
  • 二级参考文献(11)
2000(11)
  • 参考文献(2)
  • 二级参考文献(9)
2001(3)
  • 参考文献(2)
  • 二级参考文献(1)
2002(2)
  • 参考文献(2)
  • 二级参考文献(0)
2012(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2012(1)
  • 引证文献(1)
  • 二级引证文献(0)
2013(2)
  • 引证文献(2)
  • 二级引证文献(0)
2015(1)
  • 引证文献(1)
  • 二级引证文献(0)
2016(1)
  • 引证文献(0)
  • 二级引证文献(1)
2017(2)
  • 引证文献(1)
  • 二级引证文献(1)
2018(1)
  • 引证文献(0)
  • 二级引证文献(1)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
独立分量分析
图像去噪
图像分离
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
工业控制计算机
月刊
1001-182X
32-1764/TP
大16开
南京市龙蟠路173号江苏省计算技术研究所
28-60
1988
chi
出版文献量(篇)
13243
总下载数(次)
60
总被引数(次)
46621
论文1v1指导