基于改进Gabor算法的遮挡人脸智能识别方法

为提高有遮挡人脸的识别精度,提出基于改进Gabor算法的遮挡人脸智能识别方法。首先,对人脸图像动态范围压缩,并选择反锐化掩模滤波算法展开图像增强处理;其次,利用Gabor滤波器对信息保留较完整、亮度较高的半边脸进行特征提取;最后将提取到的Gabor特征输入到极限学习机中完成遮挡人脸的智能识别。实验结果表明,所提方法对处理遮挡人脸图像具有良好的效果,且其对人脸图像识别具有精准度高、识别时间短等优点。

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。

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Gabor小波和SSA优化的SVM人脸表情识别研究

针对传统支持向量机网格搜索算法寻优时间长,提出了一种识别率较高而且计算快速的人脸表情识别的方法。首先,使用Gabor小波技术获取人脸表情纹理特征,然后,经主成分分析法降维,得到图像的关键特征,将这些特征输入到经麻雀搜索算法(sparrow search algorithm,SSA)优化的支持向量机(support vector machine,SVM)进行表情的分类。在JAFFE数据集上进行实验识别率可达90.69%,在CK+数据集上识别率可达99.00%,并且在此数据集上和传统的网格搜索算法对比,在寻优的时间上更有优势。

基于Gabor小波变换和神经网络算法的人脸智能自动识别方法

常规人脸智能识别方法使用Fused-MBConv结构生成智能识别参数,易受输入图像的浅层特征影响,导致人脸识别准确率较低,为此提出基于Gabor小波变换和神经网络算法的人脸智能识别方法。为验证该方法的识别效果,将其与其他人脸智能自动识别方法进行对比。实验结果表明,该方法的识别率较高,具有一定的应用价值。

结合灰度世界和Retinex的低照度图像增强算法

针对图像增强处理中亮度偏低、细节模糊、色彩失真等问题,提出了一种基于Gabor滤波的多尺度Retinex与自适应补偿的灰度世界理论结合的图像增强算法.通过双伽马函数预处理图像暗区对比度并抑制亮区过增强;考虑Gabor滤波良好的方向选择性和纹理细节敏感度,将其作为多尺度Retinex算法的中心环绕函数在双曲正切域上进行卷积来突出细节,并添加增益偏移算子动态地调整反射分量的亮度;最后使用自适应补偿的灰度世界算法进行色彩保持和校正,得到最终的输出图像.实验结果表明该算法在结构相似性、标准差和平均梯度上比对比算法的平均值分别高出47%、38%和50.3%,处理后的图像在提高亮度、突出细节的同时保持了较高的色彩度.

基于Gabor小波与Memetic算法的人脸识别方法

提出一种基于Gabor小波与Memetic算法的人脸识别方法MA-Gabor(Memetic Algorithm-Gabor).算法使用一组特定的Gabor小波滤波器对人脸图像重要区域进行针对性的特征提取运算,可在较短处理时间内获得更具区分能力的识别数据.为提升识别性能,MA-Gabor引入Memetic算法用于Gabor小波滤波器组的优化设计.实验结果表明,Memetic算法可获得比传统优化方法更佳的设计效果.通过将优化设计的Gabor小波滤波器组用于人脸图像的特征提取,MA-Gabor算法可取得比现有人脸识别方法更高的识别率.

用Gabor滤波实现虹膜图像纹理编码

针对虹膜纹理的幅度和相位信息特征,利用二维Gabor滤波器族可以很好地模拟皮层简单细胞的二维感受野轮廓,能够最大限度的提供图像局部方向和频率信息的特点,提出一种基于二维Gabor函数族对虹膜图像进行子块分解滤波的改进编码算法。实验结果表明,该方法能有效的提取虹膜纹理特征,从而达到虹膜识别的目的。

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。

用于字体识别的Gabor滤波角度GA优化方法

Gabor滤波角度对字体识别结果有重要影响,由于字体纹理与自然纹理的不同,现有的Gabor滤波器角度参数不适于提取字体纹理的有效特征。基于字体纹理的多变性,该文提出使用遗传算法通过对字体纹理的学习优化滤波角度参数,使之能够适应字体纹理的特点,以提高识别率。通过对常用的4种字体899块字体纹理样本的测试表明:遗传算法能够找到适合字体识别的角度参数,使用新的角度参数减少了识别时间,提高了字体识别率。

基于Gabor遗传算法的红外图像识别

本文提出了一种基于Gabor小波的遗传算法。这种算法对于影像复杂、噪声强烈的红外图像有着独特的特征提取和特征融合作用,因而大大提高了图像收敛速度和识别效率。文章最后给出了仿真实例,证明了该算法的可行性。

基于Gabor参数矩阵与改进Adaboost的人脸表情识别

针对目前人脸表情识别(FER)中Gabor特征维数高、计算量大并且存在特征冗余的问题,提出一种基于Gabor参数矩阵与改进Adaboost的人脸表情识别算法。首先,结合图像像素信息与Gabor小波核的参数定义Gabor参数矩阵;其次,在Adaboost中引入遗传算法(GA)的思想改进其搜索性能,并利用改进的Adaboost选择与Gabor参数矩阵元素对应的最优特征来构建强分类器,从而通过特征选择的方法降低Gabor特征的维数和冗余,减少计算量;最后,在构建多个强分类器的基础上,提出多表情分类算法实现面部表情的分类识别。基于Matlab的实验结果表明,该算法的平均表情识别率为89.67%,且最优特征的选取效率得到明显提高。

基于多方向Gabor滤波器和Adaboost的虹膜识别方法

结合虹膜的整体和局部纹理信息,提出一种新的虹膜特征提取和识别方法.首先将归一化虹膜进行分块,然后利用多方向Gabor滤波器分别对整个虹膜和虹膜子块进行编码并生成特征向量,最后使用Adaboost算法训练得到识别性能较好的特征用于识别.在数据库CASIA-IrisV3-Lamp中实验,该算法的识别率达到99.85%;在包含大量低质量虹膜图像的数据库NICE:Ⅱ中实验,算法也具有较好的识别性能,表明了算法既能充分地利用虹膜的纹理信息,又能有效地减少噪声的影响.

结合SVM和Gabor参数优化的车辆检测

提出了一种基于小生境遗传算法的SVM和Gabor参数优化的车辆检测方法。充分考虑SVM的模型选择和前期的特征提取有着紧密联系的特点,将SVM的参数和Gabor的参数优化有效结合,利用分类精度、惩罚因子以及支持向量个数构造适应度函数,运用小生境遗传算法训练SVM模型,可有效提高SVM的分类精度,减少特征量的个数,降低时间复杂度。实验结果表明,车辆检测平均实验精度可达到98.675%,仅需30个特征量,基本可以满足实时性的要求。

基于Viterbi算法的Gabor阶比跟踪技术

结合旋转机械启停阶段振动信号的特点,提出一种基于Viterbi算法的Gabor阶比跟踪(Gabor order tracking based on Viterbi,V_GOT)算法,此算法采用Viterbi算法代替了传统的Gabor阶比跟踪(Gabor order tracking,GOT)算法中的时频滤波技术。V_GOT算法和传统的GOT算法相比,其能够对复杂机械振动信号产生的邻近阶比和交叉阶比分量进行有效的跟踪和分离,并且具有计算量小、精度高、无需转速计等硬件和用纯软件的方法实现等优点。详细讨论了V_GOT技术的基本原理、算法及进行阶比跟踪的实现过程,另外,对偶函数对Gabor阶比跟踪结果的影响进行了深入的研究。采用仿真和实际试验对V_GOT算法进行了验证,试验结果表明该方法能够在时频域准确地提取幅值和复杂频率变化的阶比,适合于复杂旋转机械振动响应特征提取。

基于Gabor滤波器的Sobel算子图像边缘检测算法

Sobel算子对图像进行边缘检测时,只对垂直与水平方向敏感,使得一些边缘检测不到,从而限制了Sobel算子的检测性能。针对此问题,文中提出了一种基于Gabor滤波器的边缘检测算法,先对图像进行Gabor变换,找出不同方向上人眼敏感程度低的系数,再用Sobel算子对变换过的图像进行边缘检测,最后把此图像与直接用Sobel算子检测的图像相加。实验表明,该算法改善了Sobel算子检测方向单一的不足,包含较多的边缘信息。

基于优化Gabor滤波器的铸坏表面缺陷检测应用研究

目的提高金属铸坯表面缺陷检测精度。方法由于金属铸坯表面上存在鱼鳞状构造,其亮度和背景区域纹理特征不一致,而且有缺陷和无缺陷的区域的灰度值极其相似,使得缺陷非常难以准确检测出来。为解决上述问题,以便更有效地检测表面缺陷,通过详细分析金属铸坯表面缺陷特征,将该类零件表面缺陷分为两种类型,提出一种基于优化Gabor滤波器的金属表面缺陷检测算法,该算法通过设计两种评价函数,利用评价函数最大限度地提高无缺陷和缺陷区域之间的能量差,以选取Gabor滤波器四个最佳参数,同时使用双阈值滤波方法,以减少由于噪声和伪缺陷引起的测量误差。结果利用3种滤波算法对四十幅带有缺陷的图像进行试验,实验表明该算法在角部裂纹、细裂纹和伪裂纹检测精度分别达到92.50%、92.50%和95.50%。结论 Opt-Gabor算法能根据已分类的两种不同类型的裂纹较为准确地检测出铸坏表面缺陷,在测量精度上略优于其他几种算法。

基于Gabor小波变换的ICA人脸识别算法研究

为了提高较少训练样本下的人脸识别率,提出了一种改进的人脸识别算法.基于Gabor小波可以良好地表征人脸局部纹理特征这一优点,利用幅值和相位信息相结合来描述图像,通过ICA方法提取独立分量,采用最近邻分类器对该特征进行分类,在ORL人脸数据库上进行了大量实验.结果表明该算法具有很高的识别率,尤其是在训练样本数量较少的情况下,识别率仍保持在90%以上.

基于最优Gabor滤波器的织物缺陷检测

织物缺陷的自动检测是纺织行业所面临的技术难题之一。为了对织物缺陷进行快速准确的自动检测,建立了一种基于Gabor滤波器的织物缺陷自动检测方法,即首先根据无缺陷织物的结构特征,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;然后将待检图像通过滤波和分割来得到检测结果,同时根据响应矩阵的极小值点来计算缺陷的形状特征。该方法应用于帘子布的缺陷检测的实验结果证明,该方法是可行的和有效的,而且还具有适用性广、识别能力强、检测速度快等特点。

基于Gabor小波变换的机载SAR海面风向反演方法

给出了一种基于Gabor小波变换的机载合成孔径雷达(SAR)海面风向反演的新方法。该方法利用Gabor小波对SAR图像进行二次小波分解,并对小波系数作FFT变换来获取图像谱,其低波数谱连线的垂线方向就是海面风场的风向。利用该方法获得了SAR图像海面风向信息,并与àtrous算法反演结果、浮标测得的海面风向(真值)进行了比较。实验结果表明,采用该方法获得的机载SAR海面风向反演结果与海面浮标实测数据吻合,比àtrous算法有较大改进。