边缘是图像最基本的特征,包含了图像的重要信息。它是图像分割所依赖的最重要的特性,也是纹理特征的重要信息源,表示了信号的突变,具有能勾画出区域的形状、能被局部定义等优点。因而边缘检测是图像处理中的重要内容,一直是计算机视觉和图像处理领域的经典研究课题之一。然而由于种种原因使得获取的图像伴随着噪声污染,所以边缘检测的第一步通常是图像去噪,因此图像去噪在很多领域中都占据着很重要的位置。随着国民经济的快速发展和社会生活质量的提高,各行业对电力容量的需求日益增加,对供电稳定性和可靠性的要求也越来越高。力求不发生故障,就必须对电力设备的绝缘状况进行必要的监测、维护和检修。常用的对电力设备的绝缘状况进行监测的方法是电力设备(输电设备)红外温感测量,这样在故障诊断之前的预处理显得非常重要。而这个预处理一般都需要用边缘检测来诊断故障,边缘检测则要先进行图像去噪的处理,因而研究图像去噪和边缘检测有很好的实际应用价值。本论文首先研究传统的图像去噪和边缘检测方法,通过总结传统算法的不足与独立分量分析方法的特点研究了基于独立分量分析方法的图像去噪算法,并将独立分量分析稀疏编码和非负稀疏编码方法引入到图像边缘检测中,在实际应用中取得不错的效果。全文主要研究内容可以归纳如下:通过研究传统的图像去噪和边缘检测方法,总结了它们的不足,引入独立分量分析的方法用于去噪和边缘提取,并通过对常用ICA优化算法进行仿真测试,选择优化算法为后续工作做准备。在基于独立分量分析盲信号分离的图像去噪基础上研究基函数的稀疏性和稀疏编码收缩法在图像去噪中的应用,分别对人工图像和自然图像进行去噪的仿真实验,并与传统去噪方法比较,信噪比结果显示,稀疏编码收缩去噪的方法在实际应用中有更好的效果。在深入研究独立分量分析稀疏特性的基础上,根据基函数的方向性原理,利用稀疏编码原理实现了在图像边缘提取中的应用,并且通过仿真测试,与传统的Sobel、Robert、Prewitt、Canny边缘提取进行了比较,分析了各自的特点和性能优劣。进一步研究了非负稀疏编码,并将此原理用在了图像边缘提取上,与原有的基于标准独立分量分析的边缘提取方法进行了仿真比较,从视觉效果比较了各自的特点。本论文对图像去噪和边缘提取引入独立分量分析的方法,其在图像处理中的应用具有一定的创新性,实验表明,其性能要优于传统的方法,具有一定的参考价值和实际意义。