一种改进的多通道Gabor滤波器布匹瑕疵检测方法

Gabor变换是一种重要的时频分析方法,有很强的纹理分析能力。采用基于多通道Gabor滤波的瑕疵检测算法,通过分析各个尺度的融合信息,提出一种新的多通道融合算法。使用自动阈值迭代算法对融合结果进行二值化处理,得到最终的检测结果。选取4种具有代表性的布匹瑕疵图片进行验证,实验结果表明,该算法不仅能从多通道滤波图像中选择与主观视觉相吻合的通道,而且降低了计算复杂度。

基于多通道Gabor滤波器的纹理图像非监督分类

提出了一种快速、实用的Gabor滤波器设计方法.首先根据人类视觉特性选定Gabor滤波器的频率带宽参数,利用图像大小确定滤波器的中心频率,构造一组多通道的Gabor滤波器在时域和频域中提取图像多方向和多分辨率的Gabor能量特征,对特征空间进行非线性变换和Gauss滤波处理,最后通过K-means方法实现纹理图像的分割.实验结果表明,该方法能有较好的纹理分割效果.

组合局部多通道Gabor滤波器和ICA的人脸描述与识别

针对人脸识别是当前人工智能和模式识别的研究热点,提出了一种组合局部Gabor滤波器组和ICA技术(简称LMGICA)的人脸描述方法,首先对归一化的人脸图像进行采样分块,然后对局部子块进行多方向、多分辨率Gabor小波滤波,并提取其对应不同方向、不同尺度的多个Gabor幅值域图谱(local Gabor magnitude map,LGMM),接着由滤波图像直接构建高维特征矢量;再将这些高维特征矢量通过主成分分析进行降维;最后采用ICA技术分析和提取降维后的特征矢量中的独立成分用于识别分类。通过与经典Gabor滤波器、PCA、ICA等方法的对比实验,验证和评价了本方法的性能。

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。

滤波器弹性的深度神经网络通道剪枝压缩方法

深度神经网络(deep neural network,DNN)在各个领域获得了巨大成功,由于其需要高额的计算和储存成本,难以直接将它们部署到资源受限的移动设备端。针对这个问题,对网络中的全局滤波器重要性评估进行了研究,提出滤波器弹性的通道剪枝压缩方法以轻量化神经网络的规模。该方法先设置层间局部动态阈值改进L1正则化(L1 lasso)稀疏训练中剪枝过度的不足;然后将其输出乘以通道缩放因子替换普通的卷积层模块,利用滤波器的弹性大小定义全局滤波器的重要性,其数值由泰勒公式估计得出并排序,同时设计新的滤波器迭代剪枝框架,以平衡剪枝性能和剪枝速度的矛盾;最后利用改进的L1正则化训练和全局滤波器重要性程度进行复合通道剪枝。在CIFAR-10上使用所提方法对VGG-16进行实验,减少了80.2%的浮点运算次数(FLOPs)和97.0%的参数量,而没有明显的准确性损失,表明了方法的有效性,能大规模地压缩神经网络,可部署于资源受限的终端设备。

基于多通道Gabor滤波器的高鲁棒灰度图像目标识别新方法

提出了一种针对低质量的灰度图像的基于多通道Gabor小波滤波器的高鲁棒目标识别新方法。主要是利用Gabor小波设计了滤波器,滤波器的中心频率是一个从低到高的范围。滤波器采用不同方向、不同尺度,从而组成多通道滤波器。对灰度图像直接进行小波变换,用Gabor小波变换系数的模的平均值和其标准方差来表示抽取的灰度图像目标的特征,并对获得的小波特征归一化后输入到改进的BP神经网络分类器中进行分类识别。对四种不同的飞机灰度图像目标进行了分类识别仿真实验。结果表明,这种特征提取方法能有效地提取灰度图像目标纹理特征,并且对噪音和形状的变化具有强鲁棒性。在应用灰度图像对目标进行识别时,神经网络的训练时间减少到10min,识别率达到94%。

基于GaAs PHEMT工艺的超宽带多通道开关滤波器组MMIC

基于0.25μm GaAs赝配高电子迁移率晶体管(PHEMT)工艺,研制了一款超宽带7路开关滤波器组单片微波集成电路(MMIC)芯片。芯片内集成了开关、驱动电路和带通滤波器,实现了开关滤波功能。开关采用反射式串-并联混合结构;译码器和驱动电路控制某一支路开关的导通或关断;带通滤波器由集总电感和电容组成。该开关滤波器组芯片通带频率覆盖0.8~18 GHz。探针测试结果表明,开关滤波器组芯片各个支路的中心插入损耗均小于8.5 dB,通带内回波损耗小于10 dB,典型带外衰减大于40 dB。为后续研发尺寸更小、性能更优的开关滤波器组提供了参考。

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。

多相移间插取样光纤光栅滤波器的设计与优化

【目的】取样光纤布拉格光栅(SFBG)以其梳状滤波特性引起人们的普遍关注,成为光纤光栅技术研究的新热点。显然,设计具有高通道数、平顶和窄带宽的光学滤波器具有重要的工程意义。文章提出了一种插入多相移(MPS)的间插取样光纤布拉格光栅(ISFBG)滤波器。【方法】ISFBG具有大量反射通道,通过插入MPS,可引入多个平顶窄传输通道。通过优化插入ISFBG的两个π相移的位置,首先设计了具有41个传输通道的光学滤波器,该滤波器覆盖C波段,通道间隔为100 GHz,每个传输通道都具有平顶响应,3 dB带宽较窄(<1 GHz),形状因子较小(<3.2)。接着,保持其他结构不变,通过优化插入3个π相移的位置,可在此基础上进一步减小形状因子,从而改善传输通道的矩形形状。通过引入MPS技术,设计了插入3个π相移的ISFBG,可实现通道数目加倍,通道间隔减半。【结果】演示了一种通道数目为81的平顶窄带宽的光学滤波器,该滤波器覆盖C波段,通道间隔为50 GHz,多通道的3 dB带宽为900.5 MHz,形状因子接近2.17。同时讨论了MPS的大小、位置和光纤的等效长度的精度对于实际制造的影响。【结论】所设计的滤波器具有较高通道数,每个通道都具有平顶响应且带宽较窄,符合设计目的。这种滤波器在多波长激光器和多波段微波信号处理系统中具有潜在的应用前景。

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。

基于粒子群优化Gabor滤波器的钢板表面缺陷检测

为了解决钢板表面缺陷形态差别大、对比度低,无法准确检测的问题,提出一种基于粒子群优化(PSO)-Gabor滤波器的钢板表面缺陷检测方法。为了消除图像噪声,突显缺陷目标,首先,对缺陷图像进行自适应中值滤波和对数变换;然后,通过PSO算法对二维Gabor滤波器的频率、方向、尺度和滤波窗口进行参数寻优;并基于最优Gabor滤波器对图像进行滤波,获得缺陷能量图;最后,根据所得能量图进行缺陷分割,从而完成缺陷检测。实验结果表明:基于PSO-Gabor滤波器的缺陷检测方法对钢板表面4种缺陷检测准确率达93.75%,检测耗时为0.05 s,可实现对低对比度钢板表面缺陷图像快速、准确地检测,为钢板表面缺陷实时在线检测提供理论依据和技术支持。

基于DSP的多通道子带滤波器组设计

针对中波DX发射机模拟信号处理中频率响应偏高的补偿问题,本文设计了多通道滤波器组,利用该滤波器组特性,实现对信号的多频段分组。针对发射机不同频段的频率响应特性可实现频响补偿。在MATLAB软件平台进行仿真实现滤波器组的设计,基于DSP实现程序的硬件实现。通过实测表明,该多通道滤波器组可以有效实现对不同频段信号的近似重建,进而为系统频响补偿提供基础。

基于Gabor滤波器的图像目标识别方法

为了给机器人视觉导航提供有效信息,提出一种基于图像匹配的目标识别方法.对CCD采集的目标图像,由Gabor变换生成的二维Gabor滤波器有着优良的滤波器性能,不需要对图像进行分割,能适应一定的旋转、尺度、光照的变化,通过多个频率和角度的Gabor算子与图像的卷积,获取图像全局信息的特征描述.分类方法采用统计学习理论基础上发展起来的一种新的机器学习方法———支持向量机(SVM,SupportVectorMachines),它可解决模型选择、过学习、维数灾难等问题.通过支持向量机进行多维特征向量的分类.该方法可达到较高的识别率,达到实时处理的要求,可以在人脸识别、机器人视觉定位等领域得到应用.

利用最优Gabor滤波器织物疵点检测算法

针对织物疵点自动检测计算量大和准确度低的问题,文中提出一种快速有效的纺织品疵点检测算法,首先通过遗传算法调整Gabor滤波器,使其与无疵点织物图像的纹理信息相匹配,得到最匹配的Gabor滤波器参数;其次采用调整后的最佳Gabor滤波器对待检测织物图像进行疵点检测;最后对卷积图像进行自适应二值化处理,检测织物是否存在疵点。结果表明,利用遗传算法建立最优的Gabor滤波器,具有较高检测率且运算速度较快,正检率较同类算法提高了2.8%,达到了98.5%。

基于相位差原理的抑制3k次谐波差分N通道滤波器

【目的】N通道滤波器由于时钟采样特性,能够使不需要的奇次和偶次谐波经上采样后出现在输出端,影响有用信号的传输。偶次谐波可通过差分结构解决,而奇次谐波正面临重大挑战。【方法】笔者在TSMC 40 nm工艺、1.1 V供电电压下设计了一款基于时钟相位差原理的抑制3k次谐波差分6通道滤波器。该滤波器由单端转双端的差分6通道滤波器、两个跨导放大器和片外变压器构成,差分6通道滤波器用于抑制偶次和3k次谐波,跨导放大器用于提高增益,片外变压器用于阻抗匹配以提高Q值。【结果】Cadence Spectre RF仿真结果显示,中心频率fs可调范围为200 MHz~1.1 GHz,3次谐波抑制高达42 dB,带外抑制达到32 dB,电压增益为10 dB,带内线性度IIP3大于8 dBm,噪声系数NF小于6 dB。【结论】相比于近期类似工作,该滤波器谐波抑制性能有显著提升,整体性能也较好,可应用于多模多频接收机前端,有着良好的应用前景。

Gabor滤波器在指纹图像处理中的应用

在实时指纹识别系统中 ,图像增强的效果好坏将影响特征提取及指纹鉴别的识别率。现把 Gabor滤波器应用在指纹图像增强处理中 ,利用了 Gabor滤波器的方向选择和频率选择特性 ,把指纹图像的局部方向和局部频率作为 Gabor滤波函数的参数 ,然后把 Gabor函数与纹理图像进行卷积 ,从而去除图像噪声 ,达到了增强图像的目的。在算法设计上采用了查表的方法 ,提高了算法的速度 ,节省了运算的时耗。实验证明 ,算法工作稳定 ,效果好 。

基于多通道Gabor滤波的手机按键识别方法

为实现手机按键的自动化检测,提出一种手机按键识别方法。利用多通道Gabor滤波器组对图像进行滤波,提取局部能量极值作为特征向量,再通过特征向量的匹配进行识别。采用基于按键边框长宽比估算目标图像旋转角度的方法,提高识别方法的效率。实验结果表明,该识别方法在各种干扰的情况下识别率仍能达到90%以上,具有一定的实用性。

三维Gabor滤波器与支持向量机的高光谱遥感图像分类

根据高光谱遥感图像的特点及二维Gabor滤波器纹理分割的原理,提出了一种基于三维Gabor滤波器的高光谱遥感图像分类方法。三维Gabor滤波器能够对高光谱遥感图像所有波段同时进行滤波,将大量的图像信息抽取为少量的不同尺寸、方向和波谱的响应,极大减少了高光谱遥感图像纹理信息提取的计算量。利用不同方向和尺寸的三维Gabor滤波器对祁连山黑河流域上游地区的Hyperion影像全波段进行滤波处理,获取26个纹理响应特征,并分析不同纹理对不同地物的区分度。利用自动子空间划分的波段指数(BI)进行波段选择,选取不同的波段组合进行试验,寻找最佳降维幅度。按照纹理对不同地物响应的区分度逐一加入三维Gabor纹理特征,利用三维Gabor纹理辅助光谱信息,运用支持向量机(SVM)的方法进行监督分类。结果表明,基于三维Gabor纹理和自动子空间BI波段选择的SVM分类方法能够在有效降低光谱维数的同时,提高高光谱遥感图像分类的精度和效率。

分割双纹理图像的最佳Gabor滤波器设计方法

本文提出了一种用单Gabor滤波器分割双纹理图像时最佳Gabor滤波器的设计方法 .该方法根据纹理图像能量在频域上的分布相对集中但并不局限于单一频率的特性 ,通过比较两类纹理之间的Fourier功率谱密度来设计最佳Gabor滤波器 .与现有的方法相比 ,它具有计算量小、分割效果好的特点 .另外它还提供了一种根据Gabor滤波器的频率带宽参数来指导搜索最佳滤波器的新策略 ,这与人类视觉系统的特性是相吻合的 。

基于优化Gabor滤波器的输电导线断股图像检测

输电导线在运行中可能发生损伤、断股现象,对其进行及时检测和诊断对于保证电网的安全运行具有重要意义。现代输电线路状态检修一般采用直升机或者巡线机器人搭载视频检测装置的方式。文中提出应用Gabor滤波器对输电导线视频图像数据进行处理,实现输电导线断股的图像检测,即通过计算完好导线图像与滤波器卷积能量的输出响应、应用小生境遗传算法寻找最优的Gabor滤波器参数和分割阈值,最后通过检测图像的滤波和能量的二值化处理得到检测结果。实验结果表明,该算法能够较好地提取输电导线断股处的故障信息,具有适用性广、识别能力强、检测速度快等优点。