基于高斯拉普拉斯算子与自适应优化伽柏滤波的虹膜识别

为了抑制虹膜噪声并提高算法通用性,提出在虹膜识别中运用高斯拉普拉斯(Log)算子与自适应优化伽柏(Gabor)滤波。Log算子抑制虹膜噪声,40组频率和方向各不同的Gabor滤波提取虹膜特征,将特征转化为二进制特征编码。滤波参数用变异粒子群优化(MPSO)算法针对不同虹膜库进行自适应优化。通过计算虹膜间的汉明(Hamming)距离判定虹膜类别。与其他Gabor滤波和机器学习类算法相比,该算法可以有效抑制虹膜噪声干扰进而提高识别正确率,同时算法在多种虹膜库识别的通用性更好。

伽柏与全息术的诞生

简述了伽柏为实现全息术所产生的“波前重建”的构想 。

运用非局部均值与伽柏各向异性扩散的超声图像斑点降噪

斑点噪声干扰超声图像的解读与疾病诊断.本文提出一种结合非局部均值(NLM)与伽柏各向异性扩散(GAD)的超声图像斑点降噪新方法.首先对图像进行GAD迭代自适应滤波,通过鲁棒的伽柏边缘检测算子有效区分边缘与噪声.接着进行NLM运算,针对某一像素点,其NLM估计值为GAD滤波后所有像素点的加权平均,而权重则由原始图像中该像素点所在区块与其余像素点所在区块间的相似度决定.由此该方法在NLM运算中兼顾了GAD滤波前后的信息以提高降噪性能.运用本文方法及七种传统方法对仿真图像与临床图像进行滤波实验.仿真实验表明,当噪声方差强达0.14时,本文方法较传统方法将品质因数、峰值信噪比与平均结构相似性提高13.29%、3.07%与0.88%.临床图像实验表明,无论在噪声去除还是在细节保留上,本文方法均优于传统方法.

伽柏与全息术

在高科技的今天,全息术的应用越来越广泛。全息术是出生于匈牙利,加入英国籍的物理学家伽柏发明的。2000年6月5日是伽柏诞生100周年纪念日,笔者怀着崇敬的心情写此短文以示纪念。

部分相干光的X射线同轴伽柏全息理论

用光的部分相干理论研究Ｘ射线同轴伽柏（Ｇａｂｏｒ）全息成像．得到成像的分辨率、对比度与入射光的部分相干程度的关系：横向和纵向的分辨、对比度均随相干性下降而下降．给出空间相干长度所必须满足的一个条件以得到较高质量成像．

用伽柏小波作干涉波前重建

在分析傅里叶相位展开法中存在的一阶频谱定位误差的基础上，尤其针对实际工作中非严格均匀参考条纹干涉图的相位展开问题，提出基于伽柏（Ｇａｂｏｒ）小波的局域匹配滤波方法，构造多通道伽柏滤波器，得到在Ｍａｌａｔ极大模意义下的最佳匹配相位。同时也较好地实现了噪声及遮挡物的去除。通过对模拟的和真实的干涉图的波前重建，证实本方法在处理非平行等间距参考条纹图象及畸变严重的干涉图时，优于通常的傅里叶相位展开法。

伽柏与全息术的发明

英国籍匈牙利物理学家丹尼斯·伽柏因发明全息术获得了1971年诺贝尔物理学奖，为全息术的发展做出了开创性的贡献．本文简要介绍了伽柏的生平，详细回顾了伽柏发明全息术的过程，包括发明金息术的背景，提出全息术的思想过程，实验得到第一张金息再现图的过程．分析了伽柏成功发明全息术的原因．

基于多特征图像显著目标的自动识别

现有的许多显著目标检测算法,大都依赖像素间的相互关系,而缺乏对焦点对象特征的理解.本文提出了一种无监督的显著目标自动识别算法.首先,应用具有仿生学特质的多尺度Gabor模型检测图像中的初级特征,构成显著目标的基本元素特征.在此基础上,结合显著目标的自身特性定义图像的局部特征,进一步确定感兴趣区域的位置.最后,在模糊阈值算法的基础上提出一种新的提取策略,并将其应用到由初级特征和局部特征构成的显著图上,从而准确地确定显著目标的位置.将此方法应用于具有不同特点的图像进行仿真实验,得到了较好的结果,证明该算法是切实可行的.

基于SVM的室外场景图像的景物识别

关于图像识别优化问题,针对在图像的处理中颜色、纹理等单一特征不能全面描述图像的问题,为了精确识别目标图像,提出一种颜色特征和纹理特征相结合的方法。采用基于RGB空间的颜色直方图和基于多通道Gabor滤波器分别对颜色特征和纹理特征进行提取,并对颜色与纹理特征进行外部归一化得到组合特征,并应用支持向量机法(SVM)对组合特征样本训练分类。实验结果表明,改进方法可以克服用单一特征分析图像的片面性,同时提取了理想的图像结构和光谱特性,可以在图像目标的识别和分类中取得较好的效果。

小波滤波器组在三维轮廓术上的应用

在傅里叶轮廓术中引入小波变换滤波器解析对物体的三维形貌进行测量和分析.采用对数伽柏(logGabor)函数生成一组非线性滤波器对光栅图像进行滤波,从而获得光栅图像的相位信息,以实现全自动化测量和提高测量精度.最后给出模拟和实验结果.

基于手写体的身份识别

以前许多文章曾介绍过一些基于手写体的书写人身份识别技术 ,其中多数都假设所写的文本是固定的。本文中 ,我们试图通过一种自动的不依赖文本的书写人识别的新颖算法 ,来消除这种假设。假定不同人的手写体存在明显的区别 ,我们采用一种综合方法 ,它基于纹理分析 ,每个人的手写体都被看成一种不同的纹理。原则上 ,我们可以采用任意一种标准的纹理识别算法 (例如 :多通道伽柏滤波器方法 )。在对 40名书写人的 1 0 0 0份测试文档的分类中 ,测试结果非常令人满意 ,识别率最高达到了 96 %。

黑色素瘤不规则条纹结构特征的描述方法

该文提出了一种基于子块方向直方图分析和二维Gabor滤波器组设计的肿瘤表面规则条纹的提取方法,并给出了黑色素瘤不规则条纹结构特征的描述子。用基于子块方向直方图分析的方法对肿瘤图像进行规则条纹预提取,并在此基础上用二维Gabor滤波器组进行规则条纹的精提取,明显提高了获取肿瘤表面规则条纹的准确性。试验表明,该文方法能较好描述黑色素瘤不规则条纹的结构特征,为条纹规则性的区分提供了有效途径。

EVP描述符在实时人脸识别中的应用

提出了新的EVP(边缘向量模式)人脸描述(或表示)方法,并结合常见分类器组成人脸识别系统,与其他已有方法比较。EVP的特点是不仅用梯度值代替像素强度值描述对象的外观和形状,还描述了邻近区域信息之间的关系。对于FERET人脸数据库的实验结果显示,当结合最近邻分类器时,EVP优于其他表示方法。对于LFW数据库,并结合多核支持向量机(MKL-SVM)的EVP,得到的结果非常令人满意。更可贵的是,基于EVP方法的识别速度大约是基于伽柏(Gabor)方法的20倍。而基于伽柏的方法是目前公认较好的方法。