این مقاله یک روش فضای رنگ تحلیل مولفه های مستقل (ICA) جدید را برای تشخیص الگو شرح میدهد. نوین و تازه بودن روش فضای رنگ ICA شامل دو چیز است:
استخراج یک الگوی تصویر رنگی موثر بر اساس ICA
و پیاده سازی و اجرای طبقه بندی تصویر رنگ کارآمد با استفاده از بازنمود تصویر رنگ مستقل و یک مدل فیشر پیشرفته(EFM).
اولا، روش فضای رنگی ICA فرض می کند که هر تصویر رنگی با سه تصویر منبع مستقل تعریف می شود که می توان آن را از طریق یک روش تفکیک منابع کور نظیر ICA استخراج کرد. بر خلاف فضای رنگ RGB، که در آن تصاویر مولفه های R، G و B با هم همبستگی دارند، روش فضای رنگ ICA، تصاویر سه مولفه ای C1، C2 و C3 را استخراج می کند که مستقل و غیر هم بسته می باشند.
دوما، سه تصویر رنگی مستقل برای تشکیل یک بردار الگوی تکمیل شده الحاق می شوند که بعدیت آن ها از طریق تحلیل مولفه های اصلی کاهش می یابد(PCA). سپس یک EFM ، ویژگی های افتراقی و متمایز بردار الگوی کاهش یافته را برای تشخیص الگو، استخراج می کند.