基于Gabor滤波器组的多特征尺度不变特征提取方法

提出了一种多特征尺度不变特征提取方法,简称GIFT(Gabor scale-Invariant Feature Transform).该方法首先利用2D Gabor滤波器组模拟生物视觉感知计算模型进行特征点检测,符合生物视觉感知特性,得到具物理直观性、稳健的特征点.其次采用基于Gabor核函数的特征尺度选择方法对所检测的特征点选择多个特征尺度,得到高可区分性的多特征描述子.最后,通过设计面向多特征尺度的特征匹配策略,提高特征匹配的可靠性.基于标准数据集的对比实验结果表明,GIFT方法在特征匹配率和稳健性上均优于SIFT.

基于Gabor滤波器组的实时疵点图像分割

使用Gabor滤波器组进行布匹在线疵点检测与疵点图像分割。通过定义一个分辨力函数和一些合成的疵点图像,对已有的Gabor滤波器组的参数选择方式做出评价,提出了在实时应用场合有效地确定Gabor滤波器组参数的方法。分析指出:Gabor滤波器的实部输出是主要因素;滤波器的方位角仅选取疵点出现得最多的水平和垂直方向,而径向中心频率的选取依赖于纹理本身的固有频率;滤波器的长度也应与纹理的固有周期一致。尽管Gabor滤波器的个数减少到4个以满足实时性要求,但结果表明,滤波器组仍能很好地检测和分割出大多数疵点。

一种基于局部Gabor滤波器组及PCA+LDA的人脸表情识别方法

针对传统的Gabor滤波器组存在特征提取时间较长以及特征数据存在冗余性的缺点,提出了一种新颖的局部Gabor滤波器组。为了评估该方法的识别性能,提出了一个基于Gabor特征的人脸表情识别系统。该系统首先对经过预处理之后的纯表情图像提取Gabor特征,然后用PCA+LDA方法对采样后的特征进行特征选择,最后采用K近邻分类方法识别人脸表情。实验结果表明,这种方法无论在计算量还是识别性能上都比传统的Gabor滤波器组更具有优势。该方法的创新之处在于选取局部Gabor滤波器,最高平均识别率达到了97.33%,表明其适合于人脸表情图像的分析。

面向遥感影像纹理提取的Gabor滤波器组参数解算研究

基于Gabor滤波器的纹理特征提取方法是一种常用的影像纹理提取方法,由于遥感影像上地物纹理的多样性,通常用多方向和多频道的Gabor滤波器组来提取遥感影像上的纹理特征。本文分析了Gabor滤波器的图形特征,以普遍使用的Gabor滤波器组作为研究对象,研究了滤波器组参数间的解算关系,研究结果可为滤波器组的实现和设计提供参考。

基于Gabor滤波器组的车牌汉字特征提取

提出基于Gabor滤波器组的特征提取新方法。利用汉字图像的统计信息及归一化信息,提出针对车牌汉字的有效的Ga-bor滤波器组参数优化方法,并设计一组Gabor滤波器用于提取车牌汉字图像中不同中心频率和方位的笔画纹理特征,实现直接对灰度图像的特征提取。实验结果表明,相比传统二值化特征提取方法,采用基于Gabor滤波器组的小波变换提取特征能够获得更良好的识别性能。

基于Gabor滤波器组与BP神经网络的帘子布疵点检测研究与实现

采用Gabor滤波器组对帘子布疵点图像纹理进行滤波,对滤波后的模值图像使用最大熵阈值分割,提取疵点轮廓的长、宽、长宽比、面积等特征值。将上述特征值归一化后分为两类:一类作为训练样本输入BP神经网络,对网络进行训练学习,网络计算结果收敛后结束训练;另一类作为测试样本对训练好的网络进行疵点识别。实验证明,该方法可以快速地检测疵点,利用训练的BP神经网络实现疵点分类,识别率达94%。

基于Gabor滤波器组和特征分组神经网络目标识别

就模式识别中特征提取和分类决策两个阶段进行了研究 .在特征提取方面 ,提供了一种用于提取图像不同中心频率和方位特征的Gabor滤波器组的设计方法 ;在分类决策算法方面 ,提出了一种基于图像的Gabor滤波特征的特征分组神经网络分类算法 ,该算法将一个复杂的模式识别问题分解为几个简单问题来处理 ,降低了问题的复杂度 ,同时还取得了一定的抗有限带宽噪声的效果 .

基于局部中频Gabor滤波器组的人脸识别

针对传统Gabor滤波器组在人脸识别过程中特征提取时间长、计算量大的问题,提出一种利用局部Gabor滤波器组进行人脸图像中频特征提取的方法。选择中频带的Gabor滤波器构造局部中频Gabor滤波器组;提取局部Gabor中频特征;采用线性判别分析法(linear discriminate analysis,LDA)进一步提取Fisher特征,得到图像的Gabor+Fisher特征,利用最近邻法进行人脸图像识别。基于ORL和AR人脸库的实验结果表明,基于此局部Gabor滤波器组的人脸识别方法较传统的Gabor特征提取方法降低了40%的特征维数,加快了特征提取速度,提高了人脸识别率。

Gabor滤波器组实现颅脑图像的边缘快速提取

在医学图像处理过程中,针对一般方法提取颅脑图像边缘不是很清晰的情况,提出了一种基于短时傅立叶变换的新的Gabor滤波方法。该方法通过选取一组能够覆盖整个频域的滤波器,分别提取图像的局部边缘信息,然后按照一定的规则将提取出局部信息的多幅图像整合成一幅图像。普通Gabor滤波计算量较大,耗时较长,而该文所述方法能显著地减少运算量。并且相对于其他几种滤波方法也表现出定位准确,检测效果明显,以及鲁棒性较好的特点。

基于Gabor滤波器组与DWT的遥感影像感知哈希认证算法

针对遥感影像的数据特点,提出一种基于Gabor滤波器组与DWT的遥感影像感知哈希认证算法。该算法利用Gabor滤波器能够在不同方向和频率增强图像的特点,基于自适应策略在不同尺度下提取遥感影像不同区域的边缘特征生成感知哈希序列,对信息丰富的影像区域进行更严格的完整性认证。首先,对遥感影像进行格网划分,根据格网单元的信息熵"自适应"地确定Gabor滤波器组的参数;然后,通过多方向Gabor滤波器对各格网单元进行滤波变换;继而采用DWT变换与PCA分解提取与处理格网单元的边缘特征,最终生成影像的感知哈希序列。影像的认证过程,通过比较待认证影像与原始影像的感知哈希序列之间的归一化Hamming距离实现。实验与分析表明,该算法能够有效检测遥感影像局部细微篡改,同时能够对保持内容不变的影像操作具有鲁棒性,且具有较高的运行效率,实现了高效的遥感影像的内容完整性认证。

基于Gabor滤波器组的虹膜特征提取与匹配

提出了一种基于Gabor滤波器组的虹膜识别方法,能有效地从虹膜图像中确定一个感兴趣的区域(ROI)并用于多尺寸多方向地提取虹膜图案的空间和方向特征,然后通过寻找相关特征矢量之间的最小距离实现虹膜图案匹配.实验结果证明我们的方法既能对虹膜图案的比例、平移保持不变性,又能消除或减少因睫毛、眼睑和反光造成的干扰.

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。

基于能量的自适应局部Gabor特征提取的人脸识别

为了解决传统Gabor滤波器组在人脸识别过程中特征提取时间长、计算量大的问题,从不同方向、不同尺度以及全局角度按照能量大小构建了3种不同的局部Gabor滤波器组用来提取人脸特征。首先,分析数据库中部分图像Gabor变换后的图像能量,从不同角度选出能量较大的图像构建对应的局部Gabor滤波器组;其次,根据所选滤波器组提取局部Gabor特征;然后,采用线性判别分析(LDA)法进一步提取Fisher特征;最后,利用最近邻法识别人脸图像。基于ORL人脸库和YALE人脸库的实验结果表明提出的人脸识别方法降低了人脸图像的特征维数,缩短了特征提取的时间,有效地提高了人脸识别率。

多方向多尺度Gabor特征表示及其匹配算法

Gabor滤波是众所周知的一类特征提取方法,在机器视觉等领域得到了广泛研究和应用.本文提出了一种多方向多尺度Gabor特征表示、提取以及其匹配算法.多方向多尺度Gabor特征通过使用一组不同尺度和不同方向的Gabor滤波器对图像进行滤波,而后将滤波结果在各个滤波方向按尺度大小排序后连接而成.本文进一步提出了循环向量的概念,并将两个多方向多尺度Gabor特征相似度重新定义为一个多方向多尺度Gabor特征和对应的多个循环向量之间最大值.实验结果表明,本文提出的多方向多尺度Gabor特征不仅具有平移不变性、旋转不变性、尺度不变性,也展现出优秀的局部特征表示能力以及显著的鉴别力.

基于Gabor特征的曲面工件缺陷检测方法的研究

针对曲面工件加工过程中出现的表面缺陷问题,使用Gabor函数能够提取出图像在不同位置、频率和方向上特征的优点,构建5个方向8个尺度的Gabor滤波器组.对采集的图像进行Gabor滤波,提取滤波后图像的灰度均值和方差作为Gabor纹理特征向量,使用主成分分析法进行特征的降维处理,最后建立马氏距离最近邻分类器,实现了对工件表面缺陷的识别和分类.

基于方法库的织物图像疵点检测

为准确检测织物在生产过程产生的疵点,提出一种基于改进的Gabor滤波方法、数学形态学处理法和多尺度小波检测的方法库的系统检测法.首先采用改进的Gabor滤波方法,选出最优滤波结果,进行高斯平滑,确定正常织物图像的两个阈值门限,进而分割出织物的疵点图像;其次采用数学形态学处理法对织物图像进行检测;最后采用多尺度小波检测的方法,检测最终结果.由于织物的纹理不同,在生产过程中产生疵点的种类众多,算法采用级联检测,保证了检测疵点的准确有效性.试验证明,所提出的算法检测结果较好,能准确定位疵点的位置.

基于纹理流的图像运动估计研究

针对计算机视觉中的运动估计问题,提出了新的基于纹理流的图像序列稠密运动估计算法,与常规基于恒定亮度假设的光流估计方法相比具有更好的稳健性、更高的准确性和更快的计算速度.在假设相对稳健的图像纹理特征不变的基础上,推导得到运动估计方程及运动向量.通过定义纹理特征的差异度,综合矩阵行列式值以及条件数来判断运动估计的准确性和稳定性,并以常用的Gabor滤波器组为例设计及实现了方法.通过使用多类视频序列、与各种典型方法得到的结果对比表明,该方法对复杂背景和运动目标具有独特纹理特征的情况下具有更好的估计效果.

基于视觉注意的光学遥感图像舰船目标检测方法

根据大视场光学遥感图像中舰船目标检测的实际需求,借鉴了人眼视觉注意感知的特性,引入一种基于自适应形态学的显著图快速生成方法。通过加入杂波率系数来自适应地控制Top-Hat算子中的结构元素尺寸,结合一组模拟人眼视觉感知特性的Gabor滤波器组,在有效抑制复杂背景的同时,实现了舰船目标的提取与检测。实验表明,该算法在各种海况下有较高的检测率与较低的虚警率,比传统算法的检测效果有较大改善。

一种融合多特征的笑脸分类方法

探讨了一个能够代表真实环境的数据集GENKI,构建笑脸分类系统,并采用支持向量机结合GentleBoost作为分类器.讨论了数据预处理、Gabor特征提取、PHOG特征提取和局部二值模式特征提取,给出了GENKI数据集上的实验结果并进行讨论,表明了该方法的有效性.

强光束干扰下的弱目标图像检测

由于强光束的方向性和弱目标的各向同性 ,采用具有方向选择特征的多尺度、多频道Gabor滤波器组来抑制强光束 ,并在此基础上采用纹理驱动的相关分析算法来检测弱目标图像 .实验证明这是一种有效的检测手段 .