基于2D-Gabor与KLDA的特征提取

提出一种2D-Gabor小波与核线性鉴别分析(KLDA)相结合的特征提取方法。该方法对经过预处理的人脸图像进行多方向、多尺度的2D-Gabor滤波,将滤波后的图像看作独立样本加入原样本库中,对新样本利用KLDA方法进行二次特征提取,得到较理想的类内聚度和类间散度样本特征,再采用三阶近邻分类器进行特征分类处理。实验结果表明,该方法相比传统方法识别率更高,易于工程实现。

基于2D-Gabor滤波器的虹膜识别算法实现

利用虹膜图像中丰富的结构和纹理特征作为身份鉴别的依据,与其他生物特征识别相比,具有更高的可靠性。根据虹膜内外灰度差,采用二值化方法提取瞳孔,用Canny算子精确定位虹膜的内边缘,利用微分积分算子定位外边缘,并对虹膜进行归一化、校准、增强等预处理;再利用2D-Gabor滤波提取纹理特征,最后比较Hamming距离,进行匹配与识别。实验结果表明,该方法效果良好,识别率高。

利用2D-Gabor滤波器提取纹理方向特征的虹膜识别方法

目前基于2D-Gabor滤波器的虹膜识别算法主要是使用虹膜的相位信息或能量信息作为特征,但在虹膜可用区域减少时这些算法的识别效果明显下降。虹膜纹理除具有上述特征外,还有很强的方向性。在分析了2D-Gabor滤波器的方向和频率选择性后,提出了一种利用2D-Gabor滤波器提取纹理方向特征的虹膜识别方法。实验表明该方法提取的虹膜纹理方向特征可以在较小区域内提取出足够丰富的可区分性特征,实现高准确性的虹膜识别,说明方向特征是一种有效的虹膜识别特征。

基于2D-Gabor滤波器的虹膜噪音检测方法

在虹膜检测方法中易受到部分眼睑和睫毛的遮挡,从而降低虹膜识别的准确性,针对该问题,提出了一种基于2D-Gabor滤波器的虹膜噪音检测方法.该方法首先利用2D-Gabor检测归一化后虹膜图像中的眼睑和睫毛等噪音,然后记录噪音干扰区域,最后在匹配时去除虹膜代码中的干扰位来尽量避免噪音对于虹膜识别的影响.在CASIA(3.0)图库上进行实验的结果表明,采用噪音检测操作时正确识别率为99.02%,不采用噪音检测时正确识别率仅为98.46%.

基于单频2D-Gabor滤波器的虹膜识别算法研究

针对2D-Gabor滤波器设计的问题,提出了一种单频2D-Gabor滤波器设计方法。该方法在详细分析了2D-Gabor滤波器中各个参数意义的基础上,通过二分法的思想确定适合虹膜纹理的单一频率ω,再根据其它参数与其关系确定出各个参数取值,从而获得单一频率下的2D-Gabor滤波器。实验结果表明使用设计的单频2D-Gabor滤波器对虹膜图像进行特征提取可以使虹膜识别的识别率达到98.61%以上。使用单频2D-Gabor滤波器不仅可以提高特征提取速度,降低存储空间,同时也利于硬件实现。

基于2D-Gabor滤波器的虹膜识别技术研究

在进行虹膜扫描识别时,最重要的部分是进行虹膜的特征提取。本文设计一种单频2D-Gabor滤波器,对归一化后的虹膜图像进行编码匹配。实验证明,当虹膜对比库规模不大的情况下,单频率能够较快速的进行虹膜特征提取与识别,与多通道相比更为适用。

基于多尺度2D Gabor小波的视网膜血管自动分割

眼底视网膜血管分割对临床视网膜疾病诊断具有重要意义.由于视网膜血管结构微小,血管轮廓边界模糊,加上图像采集时噪声的影响,视网膜血管分割非常困难.本文提出一种视网膜血管自动分割新方法.首先,应用对比度受限的自适应直方图均衡法增强视网膜图像;然后,采用不同尺度的2D Gabor小波对视网膜图像进行变换,并分别应用形态学重构(Morphological reconstruction,MR)和区域生长法(Region growing,RG)对变换后的图像进行分割;最后,对以上两种方法分割的视网膜血管和背景像素点重新标记识别,得到视网膜血管最终分割结果.通过对DRIVE和STARE数据库视网膜图像的分割实验,证明了该算法的有效性.

基于2D Gabor小波与组合线检测算子的视网膜血管分割

单一的2D Gabor小波血管分割算法只考虑了图像滤波信息,忽略了血管形状和结构信息。为了更加精确快速地实现视网膜分割血管,提出了一种基于2D Gabor小波变换和组合线检测算子的视网膜血管分割方法。首先通过像素灰度值、4个尺度下的2D Gabor小波变换和组合线检测算子构造一个六维像素特征向量,然后使用贝叶斯高斯混合模型实现视网膜图像像素分类,最终实现血管分割。通过对通用的DRIVE眼底图像库中所有视网膜图像的实验仿真,结果表明算法获得了0.963 6的受试者特征工作曲线面积和0.948 6的准确率,优于单一的2D Gabor小波血管分割算法。

基于2D Log-Gabor滤波器的虹膜识别研究

Log-Gabor滤波器无直流分量,带宽不受限制,比Gabor滤波器更适于提取虹膜纹理特征。提出了基于2DLog-Gabor滤波器的虹膜识别方法。通过多通道2DLog-Gabor滤波器提取虹膜纹理特征并进行相位编码,运用加权海明距离匹配,匹配时借助噪声屏蔽码去除眼睑遮挡干扰。在CASIA和UBIRIS虹膜库进行了测试,与传统方法相比,可取得更小的等错误率和相同错误接收率下更小的错误拒绝率。

一种基于奇对称2D Log-Gabor的虹膜特征提取算法

针对2D Log-Gabor滤波器提取虹膜特征存在部分非有效特征点等问题,提出一种基于奇对称2D Log-Gabor的虹膜特征提取算法。采用奇对称2D Log-Gabor滤波器对虹膜纹理的相位和幅度信息在不同频率和方向进行分析,运用特征融合技术消除冗余信息,较好地解决了2D Log-Gabor滤波器提取虹膜特征存在的问题。实验表明,该算法在抗噪声和抗干扰中具有强鲁棒性,有较高的理论和实用价值。

基于Gabor小波和改进2DPCA的人脸识别方法

在人脸识别中,一般传统方法先用Gabor小波变换提取人脸特征后直接进行主成分分析(PCA)会遇到计算量过大,识别率不高等问题。为了克服这些影响,本文提出先对人脸进行2DGabor小波变换提取人脸特征,再用改进的2DPCA(二维主成分分析)进行降维处理,最后用最近邻法进行分类识别。在ORL人脸库上进行实验,该方法明显优于传统的2DGabor+PCA等算法。

一种基于2DHOL特征与(2D)~2FPCA结合的手指静脉识别方法

文中提出一种基于二维方向线直方图统计(2DHOL)特征与双向二维费希尔主成分分析((2D)~2FPCA))相结合的手指静脉识别方法.首先针对手指静脉图像纹路走向的特点,改进基于梯度直方图(HOG)特征中有关梯度幅值和方向的计算方法,采用二维Gabor滤波器获取静脉图像的线形响应和方向,提取2DHOL特征;然后综合考虑行列相关性和类别信息,采用(2D)~2FPCA对2DHOL特征进行降维处理,得到手指静脉特征向量;最后计算特征向量的欧氏距离.应用不同手指静脉数据库进行实验的结果表明,该方法能够有效地提高手指静脉识别率,并对训练样本数变化具有较强的鲁棒性.

基于2D—Gabor滤波和主成分分析的人脸识别算法

提出了一种2D-Gabor滤波和主成分分析相结合的新的人脸识别算法。首先将人脸库的所有样本进行图像预处理，并将由2D-Gabor滤波后产生的图像作为独立的样本加入到样本库中，从而减少了小样本问题对人脸识别效率的影响，再结合经典的主成分分析方法进行人脸识别。试验证明，与单独的主成分分析法相比，该方法可以有效的提高识别率。

基于2D实值离散Gabor变换的SAR原始数据压缩

该文采用时频分析的方法,结合合成孔径雷达(SAR)原始数据的线性调频特性,提出了一种基于2D实值离散Gabor变换的SAR原始数据压缩方法。该方法对I,Q两路原始数据进行分块,先对每一块进行二维实值离散Gabor变换(2D-RDGT),在时频平面内对各频率平面根据方差进行比特分配,然后采用BAQ量化各频率平面。用同一块数据进行压缩解压缩成像实验并与已有的方法进行比较,实验结果表明该文提出的方法在数据域和图像域的性能都优于已有的方法。

基于多通道Log-Gabor小波与（2D）~2 PCALDA的人脸识别方法

为了降低光照变化对基于子空间的人脸识别方法性能的影响,结合多通道Log-Gabor策略与(2D)2 PCALDA特征提取方法,提出了一种新的人脸识别方法。将不同尺度与方向作为独立通道,在每个通道内采用(2D)2 PCALDA对人脸图像的Log-Gabor表示进行特征提取、分类,然后对各通道分类结果进行决策融合得到最终的类别归属。在CAS-PEAL-R1、ORL与Yale人脸数据库上的实验结果表明,该算法具有较好的识别性能。

基于DCT的2D实值离散Gabor变换

提出了一种在临界抽样条件下基于2DDCT的二维实值离散Gabor变换(2DRDGT),介绍了其快速算法;并比较了该变换与二维复值离散Gabor变换(2DCDGT)的算法复杂性。

一种基于二代Curvelet和2D Log-Gabor滤波器的多模特征层融合识别方法

针对单模生物特征识别在实际应用中易受干扰、识别率低且无法达到零错误识别的问题,提出一种基于二代Curvelet和2DLog-Gabor滤波器的人脸与虹膜特征层融合识别算法.该方法利用二代曲波变换提取人脸特征,用2DLog-Gabor幅值法提取虹膜特征,通过PCA降维单模特征向量,在特征层进行融合,通过SVM分类识别融合特征向量.在ORL人脸库和CISIA虹膜库构成的多模生物特征库上进行测试.实验结果表明:该算法正确识别率能达到100%,较单模人脸、单模虹膜识别方法的识别率均提高3.33%,为多模生物特征识别提供了一种有效模型.

并行格型结构实现基于DCT的2D实值离散Gabor变换

虽然2D Gabor变换在图像处理等很多领域认为是非常有用的时频分析的方法,然而实时应用却因其很高的计算复杂性而受到限制。文中回顾了基于DCT的2D的实值离散Gabor变换,为了有效地和快速地计算实值离散Gabor变换,提出了在临界抽样条件下,二维实值Gabor变换系数求解的块时间递归算法以及由变换系数重建原信号的块时间递归算法,研究了该算法使用并行格型结构的实现方法,并讨论和比较了算法的计算复杂性和优越性,证明了基于DCT的2D实值离散Gabor变换块时间递归算法并行格结构在计算复杂性的高性能。

基于2D Gabor滤波器的车辆局部特征提取方法研究

车辆局部特征提取是车辆检测的关键。目前常使用的一些特征提取方法不够稳定,且容易丢失图像局部特征。提出基于2D Gabor滤波器的车辆局部特征提取方法,分析并探讨滤波器方向、径向中心频率以及滤波窗口大小对图像结果的影响。Matlab仿真结果证明该方法的有效性。

基于2D-FFT的掌静脉图像Gabor滤波快速增强法

手掌静脉纹识别技术作为新一代高精度的生物特征识别技术,被广泛用于个人身份鉴定领域.有效提取手掌静脉特征对于手掌静脉分类至关重要.然而,由于采集到的手掌静脉图像的质量较差,必须在识别前对手掌静脉图像进行增强.使用二维离散快速傅里叶变换(2D-FFT)代替传统空域卷积滤波,实现Gabor滤波器与原图像的频域卷积滤波.实验结果显示,本文提出的增强方法,相比较传统的自适应直方图均衡化和Retinex算法具有更佳的增强效果,相比于传统Gabor空域卷积滤波具有更低的计算复杂度,更适用于实时系统.