基于改进Gabor算法的遮挡人脸智能识别方法

为提高有遮挡人脸的识别精度,提出基于改进Gabor算法的遮挡人脸智能识别方法。首先,对人脸图像动态范围压缩,并选择反锐化掩模滤波算法展开图像增强处理;其次,利用Gabor滤波器对信息保留较完整、亮度较高的半边脸进行特征提取;最后将提取到的Gabor特征输入到极限学习机中完成遮挡人脸的智能识别。实验结果表明,所提方法对处理遮挡人脸图像具有良好的效果,且其对人脸图像识别具有精准度高、识别时间短等优点。

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Gabor卷积和Transformer的课堂表情识别研究

为了针对复杂环境变化无法精准识别学生表情问题,本文设计了一个基于Gabor卷积和Transformer的表情识别模型Gabor-Vision-Transformer(GVT).将Gabor卷积和Transformer的思想相结合,设计了一个特征提取块GVT-Block.首先通过Gabor卷积提取富含丰富纹理和边缘信息的面部局部特征,再通过Transformer提取全局数据之间的长距离信息,从而更好地学习面部关键特征,显著提高模型的分类效果.GVT模型在RAF-DB和FER2013Plus数据集上的准确率分别为88.56%和87.38%,并与多个模型进行对比实验和分析,验证了本模型效果的优越性.

基于LTP编码的分数阶Gabor高光谱遥感图像分类

为有效提取高光谱遥感图像的空谱结构特征、增强特征鉴别性及提高分类精度,提出基于局部三元模式编码的分数阶Gabor高光谱遥感图像分类方法。首先,用分数阶三维Gabor滤波器进行局部特征的有效提取;其次,对Gabor相位特征进行局部三元模式编码,以提高特征的可鉴别性;然后,通过随机森林算法对Gabor相位特征进行分类以获得置信度立方体;最后,融合多组基于Gabor的置信立方体,提取具有互补性、强表达性的纹理特征。选择3个训练样本分别在Indian Pines、Salinas、Trento数据集上验证,总体分类精度分别达到63.50%、81.78%、86.89%。实验结果表明,所提的方法具有更好的分类性能。

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。

基于分数阶空谱联合Gabor特征的高光谱遥感图像分类

为充分考虑高光谱遥感图像的空谱结构特征,降低数据冗余,获取更具识别性的特征,提高分类精度。提出一种基于分数阶Gabor的高光谱图像分类方法,在分数域实现对局部信号的多分辨分析,以增强对高光谱图像的表征能力。首先,通过设置多阶正弦波构建多组分数阶Gabor滤波器,获得有效的特征表达。其次,对Gabor相位特征进行象限位编码,并通过汉明距离计算码距,降低计算复杂度。最后,融合不同阶的Gabor相位特征从而得到互补的纹理信息,以获取更高的分类性能。基于Trento真实数据集,选择3个分类样本进行训练,总体分类精度达到87.15%,Kappa系数为0.83,实验结果验证了该方法在小样本训练情况下的有效性,对比其他算法,提高了分类精度。

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。

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。

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。

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。

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。

考虑Gabor小波特征的LBFI识别仿真

识别局部模糊人脸图像时,若不能增强模糊部分的信息,会降低图像识别精度,为提升模糊人脸图像的识别效果,提出基于Gabor小波特征的局部模糊人脸图像识别方法。使用均值滤波方法对图像噪声实施剔除,并根据剔除结果利用直方图均衡化算法对局部模糊实施信息增强处理;以上述图像处理结果为基础,使用Gabor小波变换方法提取图像显著、不显著特征向量,根据决策融合方法对提取的特征实施融合处理;通过LDA分类器对融合特征实施分类处理,基于分类结果实现人脸图像的精准识别。实验结果表明,使用上述方法开展人脸识别时,识别率较高、识别效果好。

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。

应用组稀疏正则化反演的高分辨率自适应Gabor时频分析方法

地震信号频率成分随时间的变化规律(时频特性)对油气检测具有重要意义,且Gabor变换作为最简便的时频分析技术在地震资料解释中得到了广泛应用。然而常规Gabor变换所得时频谱的时间分辨率低,相邻反射子波频谱信息混叠严重,不利于开展高分辨率地震资料解释。为了提高Gabor时频谱的时间分辨率,首先基于Gabor反变换的定义将Gabor时频谱的计算归结为求解反演问题;然后以相同时刻频谱分入同一组的策略加入组稀疏正则化约束项;最终利用投影快速软阈值迭代算法实现上述目标函数求解并获得Gabor时频谱。同时,还给出一种利用地震信号瞬时质心频率自适应地构造Gabor时频分析所需高斯窗函数的方法。理论信号实验及实际数据应用表明,该方法可在时间方向上对Gabor时频谱的能量团进行显著压缩,低频端和高频端的时间分辨率获得同步提高,进而在低频和高频剖面上同时清晰揭示薄储层顶、底界面,便于精细对比解释。

基于改进型二维Gabor特征的血管图像分割提取方法研究

提出了一种基于改进型Gabor滤波特征的血管分割方法。根据图像中各像素点的Hessian矩阵的特征向量获得各点的血管方向,并依此设置Gabor变换的方向角;提取出各点下不同血管宽度尺度的Gabor特征,建立各点的六维表示向量;通过对六维表示向量降维处理,获取各点二维表示向量;将各点二维表示向量经处理后和原图像G通道相融合,并使用U-Net神经网络对融合后的图像进行分类,实现血管分割。对DRIVE视网膜眼底图像数据集中进行实验,发现该方法对细小血管以及交叉点处血管的检测具有较好的效果。

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.

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%。