본문 바로가기
HOME> 논문 > 논문 검색상세

논문 상세정보

신경망 기반 독립성분분석을 이용한 효율적인 복합영상분리
An Efficient Composite Image Separation by Using Independent Component Analysis Based on Neural Networks

조용현   (대구가톨릭대학교 공과대학 컴퓨터정보통신공학부UU0000343  ); 박용수   (대구가톨릭대학교 공과대학 컴퓨터정보통신공학부UU0000343  );
  • 초록

    본 연구에서는 근사화된 학습알고리즘의 신경망 기반 독립성분분석에 의한 효율적인 복합영상 분리기법을 제안하였다. 제안된 학습알고리즘은 엔트로피 최적화론 위한 목적함수의 판을 구하기 위해, 도함수 계산을 요구하는 뉴우턴법 대신 단순히 함수 값만을 이용하여 계산을 근사화한 할선법 기초한 고정점 알고리즘이다. 이렇게 하면 뉴우턴법에서 요구되는 복잡한 도함수의 계산과정을 간략화 할 수 있어 고정점 알고리즘의 독립성분분석이 가지는 학습성능을 더욱 더 개선시킬 수 있다. 제안된 학습알고리즘의 독립성분분석 기법을 500개의 샘플을 가지는 4개 신호와 $512{\times}512$ 의 픽셀을 가지는 10개의 영상을 대상으로 임의의 혼합행렬에 따라 발생되는 복합신호 및 복합영상들을 시뮬레이션하였다. 시뮬레이션 결과, 기존의 뉴우턴법에 기초한 고정점 알고리즘의 분석기법보다 빠른 학습속도와 개선된 분리성능이 있음을 확인하였다. 특히 기존의 알고리즘에서 임의로 선정되는 초기값에 의존하는 학습성능과 대규모의 영상분리에서 발생될 수 있는 비현실적인 학습시간도 함께 해결할 수 있음을 확인할 수 있었다.


    This paper proposes an efficient separation method of the composite images by using independent component analysis(ICA) based on neural networks of the approximate learning algorithm. The Proposed learning algorithm is the fixed point(FP) algorithm based on Secant method which can be approximately computed by only the values of function for estimating the root of objective function for optimizing entropy. The secant method is an alternative of the Newton method which is essential to differentiate the function for estimating the root. It can achieve a superior property of the FP algorithm for ICA due to simplify the composite computation of differential process. The proposed algorithm has been applied to the composite signals and image generated by random mixing matrix in the 4 signal of 500-sample and the 10 images of $512{\times}512-pixel$ , respectively The simulation results show that the proposed algorithm has better performance of the learning speed and the separation than those using the conventional algorithm based method. It also solved the training performances depending on initial points setting and the nonrealistic learning time for separating the large size image by using the conventional algorithm.


  • 주제어

    신경망 .   주요성분분석 .   독립성분분석 .   뉴우턴(Newton)법 .   할선(secant)법 .   복합영상분리.  

  • 참고문헌 (13)

    1. K. I. Diamantaras and S. Y. Kung, 'PrincipalComponent Neural Networks : Theory andApplications, Adaptive and. learning Systems forSignal Processing, Commurnoations, and Control','John Wiley & Sons, Inc., 1996 
    2. J. Karhunen, 'Neural Approaches to IndependentComponent Analysis and Source Separation,' 4thEuropean Symp., Artificial Neural Network,ESANN96, Burges, Belgium, pp. 249-266, Apr. 1996 
    3. A. Hyvaehnen, 'Fast & Robust Fixed-PointAlgohthms for Independent Cornponent Analysis,'IEEE Trans. on NeuraI Networks, Vol. 10, No. 3,pp.626-634, May 1997 
    4. K. Atkinson, 'Etementary NumericaI Analysis', JohnWiley & Sons, Inc., New York, 1993 
    5. A. Hyvaerinen and E. Oja, 'Independent ComponentAnalysis : Algohthms and Applications', NeuralNetworks, Vol. 13, No. 4-5, pp. 411-430, June 2000 
    6. S. Haykin, 'Neurcd Nettvorks : A ComprehensiveFoundation,' Prentice-Hall, 2ed, London, 1999 
    7. A. Hyvaehnen and E. Oja, 'A Fast Fixed PointAlgohthms for Independent Component Analysis,'NeuraI Computation, 9(7), pp. 1483-1492, 0ct.1997 
    8. A. Hyvaerinen, J. Karhunen, and E. Oja,' Independent Component Analysis,' John Wiley &Sons, Inc., New York, 2001 
    9. P. Comon, 'Independent Component Analysis -ANew Concept?', Signat Processing, vo1.36, No.3,pp.287-314, Apr. 1994 
    10. J. Karhunen and J. Joutsensalo,'Generation ofPrindpal Component Analysis, OptimizationProblems, and Neural Networks,' Neural Networks,Vol. 8, o. 4, pp. 549-562, 1995 
    11. S. Nakamura, 'Applied NumericaI Methods inC', Prentice-Hall International, Inc. 1995 
    12. T. W. Lee, 'Independent Component Analysis ."Theory and AppIioations,' Kluwer Academic Pub.,Boston, 1998 
    13. A. Cichocki and R. Unbehauen, 'Robust NeuralNetworks with On-Line Leaming for BlindIdentification and Blind Separation of Sources,'IEEE Trans. on Circuits & Systems, Vol. 43, No.11, pp. 894-906, Nov. 1996 
  • 이 논문을 인용한 문헌 (1)

    1. Cho Yong-Hyun ; Park Yong-Soo 2005. "Comparison of Analysis Performance of Additive Noise Signals by Independent Component Analysis" 퍼지 및 지능시스템학회 논문지 = Journal of fuzzy logic and intelligent systems, 15(3): 294~299     

 저자의 다른 논문

  • 조용현 (46)

    1. 2000 "주요성분분석에 의한 일반회귀 신경망의 성능개선" 정보처리논문지 = The transactions of the Korea Information Processing Society 7 (11): 3408~3416    
    2. 2000 "독립변수의 차원 감소에 의한 일반회귀 신경망의 성능개선" 퍼지 및 지능시스템학회 논문지 = Journal of fuzzy logic and intelligent systems 10 (6): 533~541    
    3. 2000 "모멘트를 이용한 비선형 주요성분분석 신경망의 효율적인 학습알고리즘" 韓國産業應用學會誌 = Journal of Korea Society of Industrial Application 3 (4): 361~367    
    4. 2001 "조합형 학습알고리즘의 신경망을 이용한 데이터의 효율적인 특징추출" 정보처리학회논문지. The KIPS transactions. Part B. Part B b8 (2): 130~136    
    5. 2001 "신경망을 이용한 고신뢰성의 회귀분석 모델" 정보처리학회논문지. The KIPS transactions. Part B. Part B b8 (4): 327~334    
    6. 2001 "회귀용 Support Vector Machine의 성능개선을 위한 조합형 학습알고리즘" 정보처리학회논문지. The KIPS transactions. Part B. Part B b8 (5): 477~484    
    7. 2001 "적응적 주요성분분석 기법을 이용한 효율적인 지문인식" 韓國産業應用學會誌 = Journal of Korea Society of Industrial Application 4 (2): 177~183    
    8. 2002 "조합형 고정점 알고리즘에 의한 신경망 기반 독립성분분석" 정보처리학회논문지. The KIPS transactions. Part B. Part B b9 (5): 643~652    
    9. 2002 "독립변수의 차원감소에 의한 Polynomial Adaline의 성능개선" 韓國産業應用學會誌 = Journal of Korea Society of Industrial Application 5 (1): 33~38    
    10. 2003 "적응적 학습 파라미터의 고정점 알고리즘에 의한 독립성분분석의 성능개선" 정보처리학회논문지. The KIPS transactions. Part B. Part B b10 (4): 397~402    
  • 박용수 (1)

 활용도 분석

  • 상세보기

    amChart 영역
  • 원문보기

    amChart 영역

원문보기

무료다운로드
유료다운로드

유료 다운로드의 경우 해당 사이트의 정책에 따라 신규 회원가입, 로그인, 유료 구매 등이 필요할 수 있습니다. 해당 사이트에서 발생하는 귀하의 모든 정보활동은 NDSL의 서비스 정책과 무관합니다.

원문복사신청을 하시면, 일부 해외 인쇄학술지의 경우 외국학술지지원센터(FRIC)에서
무료 원문복사 서비스를 제공합니다.

NDSL에서는 해당 원문을 복사서비스하고 있습니다. 위의 원문복사신청 또는 장바구니 담기를 통하여 원문복사서비스 이용이 가능합니다.

이 논문과 함께 출판된 논문 + 더보기