基于多尺度2D Gabor小波的视网膜血管自动分割

眼底视网膜血管分割对临床视网膜疾病诊断具有重要意义.由于视网膜血管结构微小,血管轮廓边界模糊,加上图像采集时噪声的影响,视网膜血管分割非常困难.本文提出一种视网膜血管自动分割新方法.首先,应用对比度受限的自适应直方图均衡法增强视网膜图像;然后,采用不同尺度的2D Gabor小波对视网膜图像进行变换,并分别应用形态学重构(Morphological reconstruction,MR)和区域生长法(Region growing,RG)对变换后的图像进行分割;最后,对以上两种方法分割的视网膜血管和背景像素点重新标记识别,得到视网膜血管最终分割结果.通过对DRIVE和STARE数据库视网膜图像的分割实验,证明了该算法的有效性.

基于2D Gabor小波与组合线检测算子的视网膜血管分割

单一的2D Gabor小波血管分割算法只考虑了图像滤波信息,忽略了血管形状和结构信息。为了更加精确快速地实现视网膜分割血管,提出了一种基于2D Gabor小波变换和组合线检测算子的视网膜血管分割方法。首先通过像素灰度值、4个尺度下的2D Gabor小波变换和组合线检测算子构造一个六维像素特征向量,然后使用贝叶斯高斯混合模型实现视网膜图像像素分类,最终实现血管分割。通过对通用的DRIVE眼底图像库中所有视网膜图像的实验仿真,结果表明算法获得了0.963 6的受试者特征工作曲线面积和0.948 6的准确率,优于单一的2D Gabor小波血管分割算法。

基于2D-Gabor与KLDA的特征提取

提出一种2D-Gabor小波与核线性鉴别分析(KLDA)相结合的特征提取方法。该方法对经过预处理的人脸图像进行多方向、多尺度的2D-Gabor滤波,将滤波后的图像看作独立样本加入原样本库中,对新样本利用KLDA方法进行二次特征提取,得到较理想的类内聚度和类间散度样本特征,再采用三阶近邻分类器进行特征分类处理。实验结果表明,该方法相比传统方法识别率更高,易于工程实现。

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Gabor小波变换和PCA的人脸识别方法

基于Gabor小波在图像表征方面的优越性,阐述了将Gabor小波和主分量分析(PCA)相结合用于人脸识别的方案。对人脸图像进行Gabor小波变换,通过PCA(主分量分析)降维后,计算特征点之间的距离,最后进行人脸识别。

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。

基于图像处理的中医舌像特征分析方法

提出一种基于图像处理的舌像检测与分析方法,将传统中医舌诊中舌的特征进行数字化。应用了2DGabor小波变换和色度信息较为精确地检测出舌体区域;提出了运用统计方法标定舌质和舌苔点以及确定其颜色的算法。舌苔的厚度通过色度信息和2DGabor小波系数能量(GWTE)进行量化。分析了在不同相位时,有无舌纹情况下GWTE呈现出的不同特性,根据这一特点用不变矩描述了舌区域的GWTE,从而对舌纹的多少做出了定性的说明。实验表明,提出的相关算法行之有效,得到了较好的结果。

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。

城市环境中箭头型交通信号灯的实时识别算法

提出一种检测和识别城市环境中箭头型交通信号灯的新方法。首先,用图像颜色分割和形态滤波来定位交通信号灯的灯板位置;其次,将交通信号灯的灯板区域彩色图像转换到YCbCr空间,对Cb和Cr通道进行阈值分割,判断形态及交通信号灯与灯板的相对位置来确定红色、黄色和绿色交通信号灯候选区域。然后,用二维Gabor小波变换和二维独立分量分析来提取交通信号灯候选区域的特征;最后,用最近邻分类器识别交通信号灯的箭头方向。实验结果表明:该算法的总体识别率超过91%,每帧图像的处理时间为152 ms,能够为行驶的车辆提供实时、稳定和准确箭头型交通信号灯信息。

基于混合特征和多HMM融合的图像序列表情识别

当前多数图像序列的人脸表情识别方法仅提取图像的某一类特征,导致特征参数不能全面地反映脸部情感信息.提出一种基于混合特征和多HMM融合的图像序列表情识别方法.采用Gabor小波变换、二维离散余弦变换分别提取眼睛及眉毛区域、鼻子区域的纹理变化特征,对嘴巴区域则采用主动表观模型提取形状变化特征.对待测图像序列中的每个表情特征区域采用离散隐马尔可夫模型得出6种表情概率;然后根据在训练阶段得到的每个表情特征区域对每种表情的贡献权值进行加权融合,并选择融合后的表情概率最大者作为识别结果.实验结果表明,该方法综合了表情的纹理与形状变化,能够得到很好的识别效果,且处理速度快,适合于实时图像序列的表情识别.

基于多尺度稀疏表示的面部疲劳识别

针对疲劳驾驶严重威胁道路交通安全的问题,提出了一种基于多尺度稀疏表示的面部疲劳识别算法。该算法首先通过Gabor小波获取面部多尺度多方向的疲劳特征;然后采用2D-PCA方法对提取的特征进行降维处理,提高算法的执行效率;最后通过稀疏表示的方法构造疲劳的超完备字典并完成疲劳识别。实验在自建的疲劳数据库中完成,结果显示所提算法的疲劳识别率达到94.5%,具有一定的可行性。

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.

基于纹理特征与ν-SVM的车牌汉字识别

车牌汉字识别是车牌字符识别中的难点,文章通过对二维Gabor小波特征以及支持向量机(Support vector machine,SVM)分类器进行详细的分析,采用二维奇对称Gabor小波作字符特征滤波函数,并通过基于ν-SVM的多类分类器对数据进行训练及分类,设计了一种能够应用于实际系统的汉字字符识别方法。

影象纹理的多尺度分析

按照２ＤＧａｂｏｒ函数的特点和视觉机制，提出了用来捕捉纹理基元的纹理检测器函数，然后基于纹理检测器和新近发展的小波多尺度分解理论，提出了影象纹理的多尺度分析方法，并按照神经动力学的侧抑制和端点抑制等理论，建立了对多尺度纹理特征的融合方法。这一多尺度纹理分析方法在介于空间域和付里叶域之间，为纹理分析提供了一个层次性的分析框架，能够检测不同尺度的纹理信息并与视觉纹理处理机制相一致，有效地提高了纹理的识别能力。

一种基于频带选择的视觉注意计算方法

视觉注意力的研究对计算机视觉的发展有很大的帮助.然而,绝大多数的现有模型仅能处理某一类型的数据或只针对特定的应用.事实上,不论场景中物体的尺寸大小如何,人类都能够正确无误地察觉到.本文基于生物学在视网膜上非经典感受野的发现,从频域的角度出发,提出一种新的自底向上的计算模型.显著图可以通过模拟扩展的感受野的思想而得到,主要由两步组成:首先利用Gabor小波将输入图像分解成一系列特征图,它们对应于整个频率域的不同频带;其次,挑选出其中的一些作为最优频带以生成显著图,以此来模拟感受野的调节.实验结果表明,本文所提出的算法无论是对于心理学图像还是包含了任意尺寸目标的自然图像,在显著性的预测上都优于现有其他算法.除此之外,感受野模型以及Gabor小波的生物特性使得模型具有一定的鲁棒性.