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。

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。

一种新的箭头形交通信号灯识别方法

针对十字路口复杂的交通情况,提出一种新的箭头形交通信号灯识别方法。采用亮度分割和形态滤波对交通信号灯的位置进行定位,结合HIS颜色空间和交通灯的相对位置确定交通信号灯颜色。信号灯箭头的方向采用二维Gabor小波进行特征提取,用PCA算法对图像数据进行压缩,并用ICA算法进一步提取PCA的特征,最终用模板匹配进行分类。实验结果表明,该算法的正确识别率达到96.7%。是一种较好的箭头形交通信号灯识别算法。

基于多源数据融合的人脸识别研究

多源人脸信息的融合识别是多源信息融合领域与人脸识别领域的交汇点,它能减少人脸多姿态、表情等因素对人脸识别的影响。通过对对已有的多源人脸的融合技术以及单源人脸的识别技术的分析,提出结合2DPCA、二维Gabor小波和多子空间分析进行多源人脸信息的融合实现多姿态人脸识别。首先,对样本图像进行二维Gabor小波特征描述,然后利用2DPCA降维,最后利用多子空间分析进行多源信息融合完成多姿态人脸的识别。试验证明方法提高了多姿态人脸识别的精度。

基于局部方向特征的虹膜识别算法

特征提取和匹配是虹膜识别中的关键部分。本文描述了一种新颖的虹膜特征提取和匹配方法,利用多方向的二维奇对称Gabor小波来提取虹膜纹理的局部方向特征。特征匹配采用类似欧氏距离的方法来进行。同时对每一幅虹膜图像,采用它的眼睑和睫毛以及反光的分布做为匹配模板,能够最大程度的减少它们的干扰。实验结果表明,本算法具有非常好的识别性能。

基于虹膜识别技术的应用研究

近几年来,可靠的身份识别已成为现代社会中一项具有挑战的课题。生物特征识别系统以人体唯一的、可靠的、稳定的生物特征(如指纹、虹膜、脸部、掌纹等)为依据,采用计算机的强大功能和网络技术进行图像处理和模式识别用以鉴别人的身份。虹膜,作为重要的身份鉴别特征,具有唯一性、稳定性、可采集性、非侵犯性等优点,与脸相、声音等的身份鉴别方法相比,虹膜具有更高的准确性。基于虹膜的识别系统有以下几个部分构成:虹膜获取、虹膜图像预处理、虹膜图像特征提取、匹配与识别。

基于颜色和纹理特征的图像情感语义分类

利用图像的低层特征实现了图像高层情感语义(happy和sad)的分类:通过在HSV颜色空间中提取图像的全局颜色特征,并利用黄金分割原理提取位于视觉中心位置主要区域的局部颜色特征,结合二维Gabor小波变换提取全局图像的纹理特征,实现对自然风景图像进行情感特征提取.采用PCA方法对情感特征进行降维,将降维后的特征向量结合BP神经网络,完成情感语义分类检索.