基于Gabor滤波器的事件流特征增强及事件相机对象识别

基于Gabor滤波器的事件驱动卷积是仿生分层脉冲神经网络中常用的事件相机对象特征提取方法。为提高该类网络事件相机对象特征提取能力,提出基于Gabor滤波器的事件流特征增强算法,并应用于奖励调节STDP规则的脉冲神经网络事件相机对象识别系统。算法首先将事件流按时间窗口划分为事件流片段,然后提取各时间窗口内的事件流片段特征,同时增强事件数量较多的时间窗口内特征。并基于奖励调节STDP规则帮助网络学习诊断性特征。采用增强算法的网络在MNIST-DVS数据集上的分类精度优于未采用增强算法的网络,并且对于较短的事件流输入也有很好的分类能力。该事件流特征增强算法能够提高基于Gabor滤波器的事件驱动卷积对事件相机对象的特征提取能力。

基于多参数Gabor滤波器融合和高斯差分的生丝疵点分割

针对生丝疵点图像背景与疵点差别极小的特点,提出一种基于多方向、多频率Gabor滤波器融合和高斯差分滤波的疵点分割算法。根据疵点纹理特性,首先采用极大值的方法对特定频率多方向疵点Gabor滤波图像进行融合,并基于均值法对不同频率Gabor滤波器图像进行融合,然后使用高斯差分滤波进一步凸显疵点,最后采用全局阈值将疵点与背景分割开来。测试结果表明:该研究算法召回率达到了93.2%,能够准确分割出生丝疵点。

多模态遥感图像模板匹配Log-Gabor滤波方法

针对多模态遥感图像匹配难的问题,本文提出了一种基于Log-Gabor滤波的高精度匹配方法。该方法采用由粗到细的多层级密集匹配框架,无须进行特征点检测,避开了多模态图像特征点检测重复率低的问题,能够提取大量高精度匹配点对。本文方法主要分为两步:首先,利用多尺度多角度Log-Gabor滤波器构建对图像间非线性辐射差异稳健的特征金字塔;然后,利用粗尺度的底层特征图进行密集模板匹配,提取大量粗粒度的特征匹配点对,在此基础上再利用特征金字塔,实现粗匹配点自下而上的逐层优化,完成高精度特征匹配点对的提取。同时,针对模板匹配滑窗运算效率不高的问题,提出了一种密集模板匹配的快速实现方式,有效减少了密集模板匹配的运算时间。本文使用多组不同模态的遥感图像进行试验,结果表明,本文方法能够克服图像间非线性辐射差异的影响,在正确匹配数目、匹配准确率与匹配精度上均优于现有多模态图像特征匹配方法。

基于Gabor时频滤波的电磁超声螺栓轴力测量

高强度螺栓轴向预紧力(轴力)的测量在工程应用中具有重要意义。使用电磁超声波对螺栓轴力检测时对超声回波声时测量精度要求较高,传统互相关估计法对超声回波声时估计易因噪声干扰发生估计错误,无法满足轴力测量精度要求。针对互相关法对电磁超声测量信号声时估计存在不准确的问题,提出了Gabor时频滤波法。通过螺栓轴力测量实验采集测量信号,对测量信号进行Gabor变换,在时频域中进行滤波,再对去噪后的信号进行互相关估计测得信号的声时,进而计算出螺栓轴力。实验表明:Gabor时频滤波法能有效地滤除电磁超声信号中的噪声,改善互相关估计的稳定性,提高螺栓轴力测量的准确率。

基于Gabor变换的电网调度自动化设备运行状态监控技术

提出基于Gabor变换的电网调度自动化设备运行状态监控技术。该方法从电网调度自动化设备的大规模数据库技术和自动化电网调度技术入手,分别采集2项技术在电网调度自动化设备运行中存储和调度的状态信息,并将状态信息与Gabor变换结合,消除状态信息携带的干扰噪声,通过将优化后的状态信息输入以模糊神经网络与电网调度自动化设备健康评估体系为基础建立的设备运行状态监控模型中,实现电网调度自动化设备运行状态监控。实验结果表明,所提方法能够迅速监控电网调度自动化设备运行故障状态,监控功率与实际功率一致,监控精确度高。

基于Laws与Gabor滤波的田间西兰花花球识别技术

正确识别西兰花田间位置是实现西兰花自动化采收的基础,西兰花花球颜色与植株的叶片、茎秆相似,仅通过颜色特征无法对西兰花进行识别,本文以成熟期的田间西兰花为研究对象,提出了一种基于纹理特征与颜色特征的西兰花识别算法。首先通过预处理以及Laws滤波对图像进行边界纹理强化,再通过Gabor滤波对图像进行纹理特征向量提取,并对提取后的纹理特征向量进行z⁃score标准化,随后对标准化后的纹理特征向量进行K⁃means聚类与开运算,获取花球潜在存在区域。同时对RGB图像进行HSV转换,通过对图像的H分量进行阈值分割达到滤除地面像素的效果。最终对纹理特征识别与颜色特征识别的结果进行融合,实现对田间西兰花的识别。算法通过结合纹理与颜色特征,对田间西兰花进行了识别,解决了西兰花的花球与茎叶等背景颜色相近难以识别的问题。本文共使用792幅图像进行试验,试验结果表明,本方法可以准确地对西兰花田间图像进行识别,其精确率为96.96%,召回率为94.41%,F1值为95.67%。通过对3组不同拍摄环境的数据集进行算法识别,3组数据集的F1值始终保持在94%以上,具有良好的拍摄环境适应性,为农业机器人进行西兰花自动化采收奠定了基础。

基于多尺度多方向Gabor变换的Tsallis熵阈值分割方法

为了能在统一框架内处理无模态、单模态、双模态或者多模态直方图情形下的自动阈值选取问题,该文提出一种基于多尺度多方向Gabor变换的Tsallis熵阈值分割方法(MGTE)。该方法先通过Gabor变换得到多尺度乘积图像,然后利用内外轮廓图像从多尺度乘积图像中重构1维直方图,并在重构1维直方图上采用Tsallis熵计算模型来选取4个方向Tsallis熵取最大值时对应的阈值,最后对4个方向的阈值进行加权求和作为最终分割阈值。将提出的方法和5个分割方法在4幅合成图像和40幅真实世界图像上进行了实验。结果表明提出的方法虽然计算效率不占优势,但它的分割适应性和分割精度有明显的提高。

嵌入注意力的GaborCNN快速人脸表情识别方法

人脸表情识别是智能人机交互研究的基础问题之一,面部情绪变化与嘴、眼睛、眉毛、鼻子等区域密切相关,这些特征对识别表情非常重要。为此,提出一个由4个Gabor滤波卷积层、注意力模块和两个全链接层组成的注意力Gabor卷积网络,同时使用不平衡损失focalloss对网络进行优化。首先,通过Gabor核与传统卷积滤波器调制的Gabor定向滤波器相较于传统卷积滤波器能更好地捕获感兴趣区域的信息,然后利用通道注意力、空间注意力模块提取区域中更关键的特征。在FERPlus和RAF-DB数据集上的实验表明,该模型结构简单、易于训练、计算成本低,识别精度分别达到88.39%、87.22%。

Gabor-C3D手势识别算法

针对现有的手势识别方法注重高层信息,对浅层信息利用不够,导致手势识别准确性和实时性较差的问题,提出一种Gabor-C3D手势识别算法。采用多方向多尺度的Gabor滤波器组提取手势图像中空域和频域的纹理特征;针对手势动作的特点,设计轻量级C3D网络进行特征学习与分类,在保证精度的同时降低网络的复杂度。在公开数据集与自建数据集上进行实验,实验结果表明,所提算法在自建会议手势数据集与20bn-jester中的手势平均识别率分别达到98.73%与89.26%,分类效果优于传统C3D网络。

三维Gabor和多尺度残差网络的高光谱影像分类

为了减轻高光谱影像分类网络模型对训练样本的依赖性并解决网络层数加深产生的性能退化问题,文章研究了三维Gabor滤波和多尺度残差网络的高光谱影像分类方法。利用三维Gabor滤波器提取出有助于分类的光谱-纹理特征,引入扩张卷积和残差学习构建多尺度残差网络模型进行深层次特征提取,实现不同尺度下局部和全局特征融合和分类。在两幅高光谱影像上对该方法和其他方法进行实验比较。结果表明,该方法获得了最优的分类结果,能够在训练样本有限的情况下提高分类精度。

基于Gabor滤波的软包电池表面缺陷检测

针对当前锂锰软包电池表面在生产过程中容易出现凸点、凹点等缺陷的问题,提出了一种基于光度立体法与频域Gabor滤波相结合的电池表面缺陷检测方法。首先,采用3个光源采集图片,然后进行图像融合,生成电池样本的反照率图片,可以使缺陷更加明显;然后对反照率图片进行快速傅里叶变换,在频域状态下使用Gabor滤波器进行处理,处理的结果再用逆傅里叶变换转换到时域,对于去除拍摄反光引起的图片噪声,采用中值滤波去除,将缺陷部分根据灰度值的大小用一个矩形掩膜进行增强;然后采用全局自适应阈值分割提取缺陷区域;最后利用形态学操作细化缺陷,凹坑准确率在98%,凸点准确率在96.7%,能够达到实际工业应用要求。

联合Gabor滤波器和核池化特征学习的单样本人脸识别与验证

针对深度网络模型的结构复杂问题,受构建Gabor滤波器无需任何学习过程且与训练数据无关,以及径向基(radial basis function, RBF)核池化能够提取非线性二阶特征的启发,提出一种联合Gabor滤波器和RBF核池化的轻量卷积网络方法。首先对人脸图像进行Gabor卷积得到特征图;然后采用双曲正切函数tanh激励特征图以提高特征的表达能力;最后利用多尺度金字塔策略将特征图划分为多个区域,在每个区域上做RBF核池化,所有区域的核池化特征串联得到人脸特征表示。探讨了多个参数对识别性能的影响,对比了协方差池化和核池化的区别和性能。在三个单样本人脸识别和一个视频人脸验证数据集上进行大量实验,结果表明本文方法学习的人脸特征具有优秀的判别能力,对光照、遮挡、年龄等因素具有强鲁棒性。

基于广义Gabor变换的最优LOFDM系统的脉冲成形

LOFDM(LatticeOrthogonalFrequencyDivisionMultiplexing)是时频弥散信道上的一种高速数据传输技术。但当LOFDM系统的脉冲成形滤波器不具有最优的时频局域化特性时,必将引入严重的ISI和/或ICI。因此脉冲成形滤波器的设计是最优LOFDM系统设计的重要组成部分。Strohmer和Beav(2001,2003)给出了一种LOFDM脉冲成形滤波器的设计方法,但是计算量较大。为此,该文提出了一种广义Gabor变换,通过构造广义紧致Gabor原子来完成最佳LOFDM脉冲成形滤波器的设计的数值实现。理论分析和仿真试验都证明该方法比Strohmer和Beaver给出的方法更简单有效。

基于可调因子Gabor小波变换的地震高分辨处理方法

时频分析是利用地震资料识别薄层的重要方法之一,常规的时频分析方法受到固定时窗、窗函数等因素影响。为此,采用一种基于可调因子Gabor小波(Tunable Factor Gabor Wavelet,TFGW)的连续小波变换(Continuous Wavelet Transform,CWT)(简称TFGW-CWT)的时频分析方法对地震资料进行处理。该方法采用具有可调因子的Gabor小波进行变换,然后使用最小绝对值投影方法组合每个可调因子的连续小波系数,降低邻近频率的交叉干扰,提高局部时频分辨率。进一步采用非负矩阵分解(Non-negative Matrix Factorization,NMF)对时频数据体降维,得到一个低秩的特征数据结构关系体,减少了高维空间的数据冗余,凸显了高频信息,达到提高地震资料分辨率的目的。模拟记录和实际资料处理结果证实了该方法的有效性,可为薄层检测提供一种新的技术手段。

基于Gabor滤波的并行网络无参考图像质量评价

为解决在基于深度学习的无参考图像质量评价(no-reference image quality assessment,NR-IQA)领域内图片失真可能导致的图片边缘模糊问题,提出一种基于Gabor滤波的并行网络无参考图像质量评价算法。考虑到图片失真的非均匀性,利用可提取空间局部频域特征的Gabor滤波器来获取边缘图片;将灰度图片和边缘图片共同输入并行网络,融合并行网络所提取到的图像质量特征,并通过全连接层所组成的回归网络将其映射到质量分数。该算法采用128×128的图片块,既能达到增加数据集的作用,又不过多损失图片的整体信息。本文在LIVE和TID2013共2个图像数据集上进行了实验,并与其他性能良好的无参考图像质量评价算法进行了对比。实验结果表明,所提出的算法与人的视觉系统(human visual system,HVS)具有较高的一致性。

基于分区选择和Gabor小波的遮挡人脸识别

局部遮挡人脸识别是人脸识别应用中的一个难点问题.由于遮挡部分对人脸识别没有贡献,因此在进行分类时应排除这些部分.为了解决这一问题,提出一种将分区选择和Gabor小波相结合的遮挡人脸识别方法.首先,将图像分为互不相连的子块,根据图像均方根误差来确定人脸图像中的遮挡区域;其次,利用5尺度8方向的Gabor滤波器对未遮挡分区图像提取特征;然后,用余弦相似度作为纹理分类器对提取的特征进行识别分类;最后,将测试图像中未遮挡分区的识别结果进行决策融合,得到最终分类结果、统计识别正确率等评级指标.在包含不同遮挡的数据集中测试算法性能,识别准确率均达到95%以上.

Gabor框架下的各向异性介质扰动高斯波包模拟与成像方法

地球介质广泛存在波动各向异性,为研究地球内部结构、组分提供了新的信息.现今,考虑介质的各向异性在地震波传播、成像以及反演中的作用越来越重要.高斯波包/束类正反演方法因其具有高效、简便等特点,近年来在地震背景速度建模和成像方面取得了较大进展.因此,在拟声学近似下,本文发展了基于Gabor框架的各向异性介质扰动高斯波包模拟与成像方法.与传统的网格化参数扰动方式不同,本文用空间分布的局部化Gabor基函数特征表达地下介质的参数扰动,建立了模型域Gabor函数与数据域高斯波包的映射关系.该方法继承了各向同性高斯波包的优势和特点,例如(1)基于Gabor框架的扰动高斯波包模拟具有计算效率高、内存占用量小的特点;(2)可以处理多波至,能应用于复杂构造(盐丘、气云边界)和中深层构造的成像;(3)利用Gabor函数可以稀疏表达地下的构造,适合目标导向的灵活成像;而且,(4)相较于各向同性高斯波包成像方法,考虑介质的各向异性后,本文的模拟结果更加准确,成像剖面同向轴能量更加聚焦.通过数值实验对本文方法进行测试,实验结果证实了该方法的有效性、高效性和灵活性.

基于Gabor滤波和级联GCN与CNN的高光谱图像分类

在高光谱图像分类中,原始的图卷积网络作用在数据量较大的数据集上时,会出现内存开销大、时间成本高的问题,而且单一的图卷积网络模型不能对高光谱图像进行充分的特征提取。为了在数据量较大时降低时间成本并充分提取特征以提高分类精度,本文研究了Gabor滤波和批处理的图卷积网络级联卷积神经网络的融合网络对高光谱图像进行特征提取的方法,并在3个数据集上进行了验证。实验结果表明,本文的方法在对数据量较大的数据集分类时可以较好地降低时间成本,提高分类精度。

综合ULBP与Gabor纹理特征的SAR影像建筑区提取方法研究

建筑区提取对于地震灾情快速评估和地震灾害风险识别至关重要,合成孔径雷达(SAR)影像的纹理特征研究可在建筑区提取方面发挥重要作用。利用全极化SAR影像,提出综合使用ULBP纹理特征和Gabor纹理特征的建筑区提取方法。在SAR数据预处理的基础上,首先对基于Gabor滤波的纹理特征影像进行主成分分析,保留前2个最优主成分纹理特征影像;然后与ULBP纹理特征进行波段组合;最后利用支持向量机监督分类方法对组合后的影像进行分类,获得建筑区。研究结果表明,综合使用ULBP纹理特征和Gabor纹理特征可得到更高的建筑区提取精度,总体分类精度达90%,Kappa系数为0.78。

一种结合Gabor滤波器与GLCM的盲道检测方法

基于颜色的盲道检测模型对城市中存在的与背景对比度低的盲道分割效果不太理想,针对这个问题,从盲道上特有的纹理着手,设计了一种基于盲道纹理特征的盲道检测算法。该算法通过经典的纹理特征提取方法Gabor滤波器组与灰度共生矩阵相结合对摄像头采集到的盲道图像进行处理,实现盲道本身存在的纹理特征的提取,然后经过模糊C均值聚类算法实现图像中盲道区域的分割。在城市中背景与盲道区域颜色相近环境中,与一些经典的基于颜色分割的盲道检测算法进行比较,提出的基于纹理的盲道检测算法能够有效实现对盲道区域的分割,分割结果较为准确,可以在经过改善后将其应用在视觉辅助导盲设备中,帮助盲人方便、快速地寻找更好的行进方向,极大地保证出行安全。