基于HOG特征与二维Gabor小波变换的高铁接触网支撑装置耳片断裂故障检测

针对高速铁路接触网支撑结构中旋转双耳耳片断裂故障难以检测的问题,提出一种HOG(histogram of oriented gradients,梯度方向直方图)特征与二维Gabor小波相结合的图像检测方法。为实现旋转双耳在待检测图像中的定位,利用其正负样本的HOG特征对线性SVM分类器进行训练,对检测窗口内是否包含旋转双耳进行判别。为实现耳片断裂故障的可靠诊断,利用二维Gabor小波变换能量值对图像中的边缘信息进行筛选,进而对耳片断裂故障引起的故障裂痕进行识别。实验结果表明,本文提出的方法能在复杂的接触网支撑与悬挂装置图像中准确识别发生耳片断裂故障的旋转双耳部件,检测结果不受拍摄距离、拍摄角度以及曝光度等因素的影响,具有较高的使用价值。

二维Gabor小波在虹膜识别中的应用

二维连续小波变换具有尺度伸缩、平面位移和旋转能力,被广泛应用于检测图像的局部特性,二维Gabor小波变换属于二维连续小波变换,它非常适合于提取图像细节纹理的特征。针对虹膜纹理的局部特性,将二维Gabor小波应用于虹膜识别中。实验结果表明,二维Gabor小波能有效地提取虹膜纹理特征,从而达到虹膜识别的目的。

基于二维Gabor小波特征的三维人脸识别算法

分析三维人脸识别技术,提出一种基于Gabor小波特征的三维人脸识别算法。该算法采用二维Gabor小波特征精确且稳定地描述人脸特征,重建三维人脸模型并对其进行模板匹配,对匹配后的三维人脸模型进行线性判别分析。对基于ORL和UMIST两个人脸数据库的实验结果表明,该算法性能优良。

二维Gabor滤波器组的设计及虹膜识别的实现

分别总结了二维Gabor滤波器组的频率、角度、尺度因子关键参数与可分性指标的影响规律,设计出滤波器各参数的最优值。合适的角度补偿系数提高系统对头部倾斜、眼睛旋转等情况的自适应性。实验证明,按照优化理论设计的滤波器参数组和角度补偿系数大大提高了系统的识别性能和稳健性。最后,在自建虹膜图像数据库THP-Iris V1.0上对该系统进行测试和性能评价。测试结果表明,可分性指标为7.64,等错率为0.064%。

基于二维Gabor的掌纹图像预处理研究

掌纹识别属于相对较新的一种生物特征识别技术,是利用人手掌上丰富的纹理特征来进行身份识别。掌纹图像的质量是影响掌纹识别性能的关键,因此,由掌纹的特点入手,对掌纹图像采用基于形态学方法进行感兴趣区域(ROI)的分割,为了防止由于采集时手放置位置的旋转或偏移导致的掌纹图像的差异,通过中值滤波、二值化、膨胀腐蚀等操作确定了特殊角点,再利用角点连线确定旋转角度,来旋转掌纹图像。然后对掌纹图像感兴趣的区域采取小波阈值法来去除噪声。最后结合Gabor滤波器的方向性,采用基于二维Gabor滤波器对掌纹纹线的特征进行提取。为了验证所提出的掌纹图像预处理方法的有效性,在PolyU掌纹图像库上进行实验并取得了较好的实验效果。

基于EEMD和二维Gabor变换的GIS局放特征融合识别方法

局部放电(PD)可以反映气体绝缘组合开关电器(GIS)内部的绝缘缺陷,不同类型的放电对GIS的危害程度存在明显的差异,正确识别GIS的放电类型对于及时确认GIS设备的运行状态以及避免可能出现的绝缘故障非常重要。一种新的特征识别方法是基于总体经验模态分解(EEMD)和二维Gabor变换的GIS局放特征融合识别方法,并通过4种典型局放模型获取局放超高频信号样本进行验证。结果表明,平均正确识别率达到94.5%,明显高于单独使用EEMD和二维Gabor变换算法。

基于二维Gabor变换和胶囊网络的铁路扣件检测研究

针对目前大部分铁路扣件采用人工巡检的情况,提出基于二维Gabor变换和胶囊网络相结合的铁路扣件状态检测方法。在获得扣件原始图像的基础上采用二维Gabor变换进行滤波,分析滤波结果,通过胶囊网络进行状态识别,并对比分析滤波后产生的图像在卷积神经网络、胶囊网络以及两者结合的神经网络下所产生的不同检测结果,得出最优检测方法。研究表明,该方法可代替大部分人工检测,有效提高检测效率,保障行车与巡检人员安全。

基于二维Gabor小波和孪生支持向量机的图像识别算法

为了提高图像识别性能,采用孪生支持向量机用于图像分类识别,并结合二维Gabor小波对图像纹理特征进行提取,借助局部线性嵌入(Locally linear embedding,LLE)降维,以进一步提高图像识别准确率和识别效率。采用二维Gabor小波对图像数据进行有效滤波,获得图像关键纹理特征,然后对大量纹理特征进行LLE降维,以降低维度过高带来的运算量巨大问题,采用孪生支持向量机(Twin support vector machine,TWSVM)对关键纹理特征进行分类,获得图像分类结果并完成图像识别。实验证明,Gabor+LLE+TWSVM方法对图像识别的适用度高,相比常用图像识别算法,通过合理设置二维Gabor小波的尺度和方向参数,并借助LLE有效降维,运用孪生支持向量机可以获得更高的图像识别准确率。

基于非高斯二维Gabor滤波器的生物特征提取算法

Gabor滤波器是一种非常有效的图像纹理特征提取算子。Gabor滤波器可以看作是高斯核函数在频域由复正弦函数调制而成,其频谱仍是高斯函数。采用Gabor滤波器对图像进行滤波处理时,图像所包含的位于高斯函数的频带范围之外的非高斯频谱上的重要信息并不能被Gabor滤波器所提取。提出另外一种二维非高斯Gabor滤波器用于生物特征提取。在所提二维非高斯Gabor滤波器中引入了一个新的参数。这个新参数可以控制二维非高斯Gabor滤波器包络的形状。为了证明所提出的非高斯Gabor滤波器的优越性,在人脸和掌纹数据库中做了大量的实验。实验结果表明,提出的二维非高斯Gabor滤波器的性能相比于传统二维Gabor滤波器有较大的提高。

二维实值Gabor变换在图像压缩上的应用

介绍了基于2-DDHT的二维实值离散Gabor变换(2-DRDGT)及其快速算法。然后比较了2-DRDGT与2-DDCT和小波变换在图像压缩编码方面的性能差异,结果表明利用2-DRDGT方法重建的图像,图像细节恢复得比利用2-DDCT以及小波变换方法要好,因此2-DRDGT在图像识别、纹理分割方面有很好的用途。

计算机自动识别字符图像的二维滤波算法

提出了基于二维滤波Gabor与机器视觉的字符识别算法，从图像预处理和特征提取分析这两个模块展开，就是为了解决字符识别算法在噪声、旋转下出现识别不准确的问题．首先，搭建视觉采集硬件平台，采集原始字符图像．然后通过邻域像素灰度信息迭代，有效降低噪声，以提高字符图像质量，通过霍夫直线检测完成图像旋转角度计算和图像校正，达到准确定位字符区域的目的；其次，通过二维滤波Gabor得到字符图像的纹理特征，采用欧式距离构建分类标准，达到准确识别字符的目的．实验测试数据表明：与当前识别机制相比，在面对噪声与旋转干扰条件下，二维滤波算法具有更高的识别准确率与鲁棒性．

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。

印刷星标的Gabor纹理特征分析与自动识别研究

印刷星标是判断水墨平衡的重要方式,由于其同时受到水墨关系与光照等因素影响,难以通过一般灰度分析方法准确判断,故提出通过图像纹理识别星标,以实现水墨状态的自动判断。内容包括印刷星标的采集与预处理,基于2D-Gabor的印刷星标纹理特征提取与融合PCA分析的纹理特征集降维,最后利用SVM实现决策网络的构建,实现了印刷机工作中对星标的自动识别,相关研究结果在减少调试维修设备工时和成本、提高印刷调节效率、快速实现水墨平衡等方面具有实际应用价值。

结合Gabor特征和深度信念网络的人脸姿态分类

针对多姿态人脸图像分类存在的困难,提出了一种基于Gabor特征和深度信念网络(DBN)的近邻元分析(NCA)方法,通过提取Gabor多姿态人脸图像的尺度图并将其进行融合,从而对多姿态人脸图像具有较好的区分度,利用融合后的特征图来训练样本并作为深度信念网络的输入图像,结合NCA分析对训练样本进行线性变化以寻找到一个更有利于类别分类的线性子空间,提供足够大的数据集来估算模型参数进而对多姿态人脸图像进行分类。对ORL人脸数据集测试结果表明,多姿态人脸分类数据量为1616和2432之间时的平均分类正确率分别为86.67%、84.00%、90.67%和86.67%,与PCA、LDA和RCA三种算法相比,其分类准确率都得到了提高,实验结果验证了这种针对多姿态人脸图像的分类算法的有效性。

基于多尺度多方向Gabor滤波器的角点检测

在角点检测中,由于未验证二维Gabor特征对角点的区分能力,且像素邻域特征的描述存在缺陷,致使其检测到的角点鲁棒性差,且定位准确性较低。为解决上述问题,利用二维Gabor滤波器实部的方向导数提取各个角点模型的强度变化差异,并结合多方向结构张量积、多尺度筛选机制,提出新的角点检测算法。首先,利用二维Gabor滤波器实部的方向导数平滑测试图像,提取各个方向上的灰度变化信息;其次,综合目标像素在各个方向上的灰度变化信息构建多方向结构张量积,并生成相应的角点测度;最后,利用非极大值抑制进行初步筛选,再结合多尺度筛选机制确定最终角点。将提出的算法与7个经典的角点检测器在图像仿射变换和噪声干扰条件下进行特征鲁棒性比较,在基于标定角点的匹配实验中进行定位精度比较,实验结果表明:该算法定位精度高且鲁棒性强。

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。

PSO-Gabor-CNN算法在印刷品套印缺陷的检测

目的二维Gabor滤波器含有多个参数,在印刷品套印缺陷检测中,二维Gabor滤波器使用不同参数增强图像特征的效果差别较大,为了获得二维Gabor在某印刷品套印缺陷检测下的优化参数。方法在印刷品套印缺陷检测中,提出一种PSO-Gabor-CNN算法,采用Sobel算子对印刷品图像进行边缘检测,以粒子群算法(PSO)对二维Gabor滤波器的中心最大频率kmax、带宽σ、模板窗口window进行参数寻优,处理后的图像与模板图像采用加权欧式距离进行评价。然后用优化后的Gabor滤波器对图像进行滤波,最后采用卷积神经网络(CNN)对印刷品套印缺陷进行检测和分类。结果通过粒子群算法,确定了二维Gabor中心最大频率kmax为6.0476、带宽σ为0.1444、模板窗口window为27×27取得最佳效果,此时加权欧式距离为1.1927×10-33。卷积神经网络经过70次训练的均方误差为0.0035,测试样本正确率为96.93%。该方法与无数据预处理的BP神经网络(BPNN)、Sobel预处理的BP神经网络(Sobel-BPNN)、无数据预处理的卷积神经网络(CNN)、Sobel预处理的卷积神经网络(Sobel-CNN)对比,表现出了较好的识别效果。结论该方法可以获取二维Gabor滤波器的较优参数,从而获得较好的滤波效果,将其应用于套印缺陷检测,具有一定的应用价值。

基于SIFT特征及改进Gabor滤波器的低质量指纹增强算法

针对指纹增强Gabor滤波过程中指纹纹线方向参数取值不够精确、指纹纹线频率参数求取方法效率不高的缺点,对现场低质量残缺指纹处理过程中的实际需求提出改进,在Gabor滤波器前增加SIFT分析,通过在某种程度上抑制噪声来提高Gabor滤波精度,从而有效地实现对低质量残缺指纹的滤波增强。通过一系列理论分析和实验验证了算法的可行性和适用性。

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。

Gabor滤波在车牌区域检测中的应用

车牌检测(LPD)是车牌识别算法的关键,Gabor滤波被广泛应用在图像分析,模式识别当中。本文对Gabor滤波的理论以及应用方法做了详细叙述,并详细叙述了Gabor滤波在车牌检测中的具体应用方法。实验结果显示,Gabor滤波在图像的预处理中取得了良好的效果,为后续的检测过程提供了很大的方便。