Comparison of Analysis Performance of Additive Noise Signals by Independent Component Analysis

This paper presents the separation performance of the linearly mixed image signals with additive noises by using an independent component analyses(ICAs) of the fixed-point(FP) algorithm based on Newton and secant method, respectively. The Newton's FP-ICA uses the slope of objective function, and the secant's FP-ICA also uses the tangent line of objective function. The 2 kinds of ICA have been applied to the 2 dimensional 2-image with $512\times512$ pixels. Then Gaussian noise and Laplacian noise are added to the mixed images, respectively. The experimental results show that the Newton's FP-ICA has better the separation speed than secant FP-ICA and the secant's FP-ICA has also the better separation rate than Newton's FP-ICA. Especially, the Newton and secant method gives relatively larger improvement degree in separation speed and rate as the noise increases.

독립성분분석법에 의한 잡음첨가신호의 분석성능비교

본 논문에서는 선형적으로 흔합된 영상신호에 잡음이 첨가된 영상을 대상으로 뉴우턴법과 할선법의 고정점 알고리즘 독립성분분석을 적용하여 분리성능을 비교${\cdot}$검토하였다. 여기서 뉴우턴법의 고정점 알고리즘은 기울기 변화에 따른 속성을 이용하며, 할선법의 고정점 알고리즘은 접선의 변화를 이용하는 속성을 가진다. 실험에 이용된 신호는 2개의 $512\times512$ 픽셀 2차원 영상이며, 가우스 분포와 라플라스 분포의 잡음을 각각 이용하였다. 실험 결과, 원 영상을 분리하는 시간에서는 뉴우턴법의 고정점 알고리즘 독립성분분석이 할선법의 고정점 알고리즘 독립성분분석보다 보다 빠르며, 복원성능에서는 할선법의 고정점 알고리즘 독립성분분석이 더욱 우수한 특성이 있음을 알 수 있었다. 한편, 잡음이 많이 첨가될수록 뉴우턴법의 FP-ICA와 할선법의 FP-ICA사이의 추출속도와 분리성능은 더욱 더 큰 차이가 있음도 알 수 있었다.