第10章  基于独立分量的特征融合

独立分量分析（ICA）算法是一种新兴的信号处理技术，用于从多维统计数据中找出隐含因子或独立分量，从线性变换的角度解释，ICA就是要在混合的观测信号中估计出源信号的基本结构。ICA的基本理论是在20世纪80年代初期由法国学者J.Herault和C.Jutter首先提出的，到90年代中期，ICA的研究已经得到了国际信号处理界的广泛关注。目前ICA的研究工作都集中在算法理论研究和实际应用方面，各国学者相继提出了一系列的估计算法，包括FastICA算法、Infomax算法、极大似然估计算法和高阶累积量算法等。随着ICA算法理论研究的不断改进和日益成熟，该算法也被广泛应用到了通信数据处理、金融数据分析、生物医学信号处理、语音信号处理、图像处理等各个领域，并取得了很好的成绩。ICA算法起初是在信号处理领域发展起来并得到了广泛关注，但随着ICA算法本身的研究以及在信号处理方面的成功应用，很多学者开始尝试把ICA算法引入到图像处理领域，并且也取得令人惊奇和满意的效果。