Shannon小波包分解自适应Gabor滤波器设计及其在纹理分割中的应用

本文首先研究了Gabor滤波器进行确定性纹理分割时纹理结构与Gabor函数的关系，提出了利用在频域中具有紧支集的Shannon小波包分解检测纹理的主频;最后.提出了基于小波包分解自适应Gabor函数设计的纹理分割算法.该算法首先用Shannon小波包分解检测纹理的主频，求设计Gabor函数，然后根据Gabor函数与纹理图象卷积、就可以在纹理的连接处产生良好的阶跃边缘，并通过实验验证了该算法的有效性及其对噪声的鲁棒性。

基于GLCM与自适应Gabor滤波器组的纹理图像分割

基于Gabor滤波器的纹理图像分割算法存在参数难以选择的问题。为此,提出一种预测图像纹理类型数与Gabor滤波器组参数的分割算法。将图像分割成大小相等的区域块,根据各类纹理特性预测Gabor滤波器组参数,利用各区域块的纹理特征向量预测纹理类型数,并使用预测的滤波器组提取图像纹理特征,通过预测的纹理类型数对图像进行聚类分割。实验结果表明,该算法能以较高的精度与较快的速度分割纹理图像,且受纹理类型数量影响较小。

织物纹理基元自适应Gabor滤波器的疵点检测方法

纺织面料疵点智能检测一直是纺织行业需解决的技术难题之一,为了对面料疵点进行高效精准的自动检测,提出了基于织物纹理基元自适应Gabor滤波器的疵点检测方法即通过获取织物纹理基元,构建最优的Gabor滤波器,解决Gabor滤波器参数设计复杂的问题。试验结果表明使用自适应的Gabor滤波器对图像进行滤波,能够很好地将疵点从织物背景中分割出来,突出疵点区域,对实现织物疵点的智能检测有一定的意义。

基于DBSCAN聚类的自适应滤波器剪枝策略

1背景随着人工智能的快速发展和大规模数据集的普及,卷积神经网络(CNN)在计算机视觉领域的应用日益广泛。尽管大型CNN模型能提供丰富的信息表示,但在资源有限的移动设备和可穿戴设备上部署时面临显著挑战。因此,有效轻量化深度CNN模型成为当前研究的重要方向。网络剪枝是一种模型简化技术,通过删除冗余滤波器来降低复杂度。剪枝方法主要分为结构化剪枝和非结构化剪枝。非结构化剪枝以参数为单位进行操作,通常需要特定硬件支持才能显著加速;而结构化剪枝则以通道或滤波器为单位,能在无特殊硬件支持的情况下实现模型加速,因此受到广泛关注。

自适应滤波器的FPGA硬件实现

采用LMS算法和FIR框架结构,对一种基于FPGA硬件的自适应滤波器系统的实现方法展开探讨。系统采用自顶向下的模块化方案设计16阶自适应滤波器。顶层文件包含两个接口、FIR滤波、误差计量和抽头系数共5个模块。系统参数前期均由MATLAB仿真验证选取最优值。硬件测试平台选用以ZYNQ-7000系列芯片为核心的开发板。加噪正弦波信号经系统滤波处理后通过示波器观测,显示去噪效果良好,且通过逻辑分析仪抓取的结果与MATLAB理论仿真结果符合度较好。系统可以封装成一个自适应反复调用的功放IP核,适用于音频、图像、视频等信号滤波处理领域,具有一定的工程应用价值。

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。

采用自适应中心差分卡尔曼滤波器的锂离子电池荷电状态估计

锂离子电池因其能量密度高、使用寿命长等优点被越来越多地应用到卫星、便携式设备和电动汽车等领域.荷电状态作为电池管理系统的重要指标,它的准确监测对保障电池的使用安全、提高电池的使用效率有着重要意义.针对锂离子电池的荷电状态估计,本文提出了一种自适应中心差分卡尔曼滤波算法.首先,设计了一个线性卡尔曼滤波器实现了对测量方程系数的实时估计,从而避免了荷电状态与开路电压关系曲线的测试.其次,考虑到部分工况难以准确地获取模型参数,使用增广向量法并采用自适应中心差分卡尔曼滤波器实现了荷电状态与模型参数的自适应估计.再次,将线性卡尔曼滤波器与自适应中心差分卡尔曼滤波器耦合,实现了荷电状态、模型参数、测量方程系数的联合估计,使得本文所提算法能够更好地应用于电池内部参数未知的复杂工况.为了进一步提高算法的估计精度和对噪声的适应能力,通过迭代法对噪声协方差矩阵进行了动态调整.最后,通过几组实验验证了本文所提算法的有效性.

自适应优化Gabor滤波器的带钢表面缺陷分类

带钢表面缺陷纹理存在复杂性、多样性,导致对带钢表面纹理缺陷进行分类十分困难,为此,提出一种基于鲸鱼群算法的自适应优化Gabor滤波器。首先,利用各项异性扩散滤波抑制缺陷图片之中的伪边缘,再以不同种类缺陷特征的类间差最大作为目标函数,Gabor滤波器的参数为优化变量,采用鲸鱼群算法对Gabor参数进行寻优;然后,将所得到的Gabor特征进行融合;最后,导入分类器之中进行分类。实验结果表明,该方法具有较好的区分性和鲁棒性,针对常见的带钢表面缺陷,如冲孔、污渍、刮边、黑氧化条、结疤等最终的分类精度能达到97.5%。

一种自适应加权的基于Gabor滤波器的人脸识别方法

为了改善Gabor滤波器的识别性能,提出了一种自适应的基于Gabor滤波器的特征权重选择的人脸识别方法.首先将训练样本进行镜像变换,由镜像偶对称图像构成探测图像集,然后把每幅人脸图像采用离散余弦变化进行降维,经过Gabor小波变换提取人脸特征,再自适应地计算出不同特征对识别的不同贡献并加权到鉴别特征中,最后根据最近邻分类器分类.基于ORL和Yale人脸库上的实验结果验证了改进算法的有效性.

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。

基于像素梯度自适应迭代中值滤波器的图像脉冲噪声抑制算法

图像脉冲噪声移除是获得高质量图像的关键。本文通过热红外相机成像原理研究,提出了一种基于像素梯度自适应迭代中值滤波器的图像脉冲噪声抑制算法。首先,根据相机的调制传递函数计算获取原始图像的最大像素梯度,继而建立相应的像素梯度集合。然后,计算原始图像与对应像素梯度滤波图像的梯度权重均方根误差集合,并将该集合高斯分布的最大值对应的像素梯度确定为最佳像素梯度。最后,根据图像中脉冲噪声的密度和复杂度,确定所提滤波器的自适应窗口大小和迭代次数。大量实验结果表明,所提滤波器对移除8位、16位的单通道脉冲噪声图像展现出良好的鲁棒性。与其他先进方法相比,该方法可以实时移除真实热红外相机采集图像中低密度的随机值脉冲噪声和SAPN,并实现噪声抑制过程中99.5%以上的原始像素不会遭受破坏。除此之外,针对高密度SAPN抑制,该方法获得了具有竞争力的结果,与运行时间较快的滤 波方法相比表现出较好的 PSNR和 SSIM,与 PSNR和 SSIM较优秀的去噪方法相比表现出较快的运行时间。对于极限 SAPN(99%)破坏的图像,也能够恢复有意义的图像细节。

基于FRFT的频域自适应匹配滤波器检测方法

针对浅海混响背景下频域自适应匹配滤波器检测性能下降的问题,提出基于分数阶傅里叶变换(FRFT)的频域自适应匹配滤波器检测方法,该方法利用模板匹配技术,采用滑动窗对接收信号进行最优阶次分数阶傅里叶变换,然后将此过程中得到的FRFT域图与参考信号最优阶次傅里叶变换FRFT域图进行匹配,将离差平方和作为评价相似度的指标,即对离差平方和最小值的位置进行滤波,并对滤波后的信号进行最优阶次分数阶傅里叶逆变换,从而实现混响背景下的目标检测。仿真结果表明,在信混比为-15dB的情况下,该算法可显著提高频域自适应匹配滤波器的检测性能。

基于FPGA彩色图像自适应巴特沃斯滤波器及其应用

传统巴特沃斯滤波器无法对不同图像自适应调整截止频率。针对此问题,提出频率自适应二维巴特沃斯滤波器,通过高频能量在图像总能量中所占比值,自适应地调整截止频率。所采用色彩空间为色相饱和度(Hue Saturation Intensity,HSI),数据格式由浮点数取代定点数,实现高速、高精度的2D-快速傅里叶变换(Fast Fourier Transform,FFT)和2D-快速傅里叶逆变换(Inverse Fast Fourier Transform,IFFT)。深度考虑Xilinx 7系列现场可编辑门阵列(Field Programmable Gate Array,FPGA)硬件底层结构,在xc7a100tfgg484-3芯片上实现该滤波器,并在此基础上实现图像细节增强,增强后图像色彩无明显失真,图像细节更为丰富。经硬件仿真测试,分辨率为512×512的图像完成一次2D-FFT所需时间为6548.892μs,与软件计算频谱结构相似度高达99.9998%。整个设计在资源、功耗和性能之间进行了权衡。

基于自适应尺度混合海森滤波器的面部皱纹检测及评分

为解决全面部皱纹缺乏量化评价方法的问题,提出了一种基于自适应尺度混合海森滤波器(adaptive scale hybrid Hessian filter,ASHHF)的面部皱纹检测方法及评分机制。根据受试者年龄自适应调整海森滤波器的尺寸(σ)范围及步长参数并对其面部高分辨率图像进行滤波,基于81个面部特征点在滤波结果中去除五官、背景,仅保留面部皱纹,使用不同颜色将不同深度的皱纹检测结果标注在原始图像中,最后计算得分量化皮肤衰老程度。以专业医生标注皱纹为参考,50名受试者(年龄为22~65岁)的检测结果表明,相比于传统的固定尺度混合海森滤波器(fixed scale hybrid Hessian filter,FSHHF),ASHHF方法的检测准确率平均提升68.57%,运行时间平均缩短26.26%,评分机制结果与检测准确率的变化趋势一致。综上,本文检测方法能够准确、快速检测面部皱纹分布、深度及宽度,所提评分机制能够科学反映受试者皮肤衰老程度,有望为化妆品、医疗美容等抗衰方法提供功效量化评价手段。

基于Gabor滤波器的自适应指纹增强算法

指纹增强的目的在于改善指纹图像的质量,进而提高指纹识别系统的性能。提出了一种基于Gabor滤波器的指纹增强算法,算法采用梯度法计算纹线方向,利用指纹图像子块的频谱分布特征计算纹线频率,通过计算图像方向一致性来自适应地调节Gabor滤波窗口的大小,再采用具有可变角度带宽的低通滤波器进行滤波,有效地提高指纹的纹理清晰度,较好地避免奇异点区域的块效应。实验结果表明,算法具有良好的图像增强效果。

基于神经网络自适应滤波器的数字化电能计量故障检测方法

为了提高数字化电能计量表故障检测的准确性,研究一种基于神经网络自适应滤波器的数字化电能计量故障检测方法。利用电流传感器、电压传感器以及功率传感器采集三种数字化电能计量装置运行数据并实施去噪和归一化处理。提取数据的时域和频域两类四种特征参数,包括方根幅值、偏斜度、频谱幅值、均方根频率。以特征为输入,神经网络自适应滤波器训练后,实现数字化电能计量故障检测。结果表明:检测结果的Z值均在8以上,说明检测结果更接近所设置的真实故障类型,检测更为准确。

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 。

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 。

MSTAR图像2D Gabor滤波增强与自适应阈值分割

为实现MSTAR图像无监督分割,并提高分割精度和计算效率,提出了一种基于Gabor滤波增强的自适应阈值分割算法。首先利用多尺度、多方向的Gabor滤波器组对待分割图像进行滤波处理,抑制目标、阴影和背景区域内部的斑噪起伏,同时增强区域间的差异性;在此基础上,通过对增强图像统计特性的分析,给出了灰度阈值计算形式,实现了MSTAR图像的自适应分割。实验结果表明,本文算法对不同斑噪强度的MSTAR图像均具有良好的处理效果,在分割精度、计算效率等方面优于传统的OTSU,以及FCM、MRF等分割方法。