基于Gabor小波的火灾烟气识别新方法

研究提出一种基于Gabor小波的火灾烟气模型,以提高基于视频图像的火灾烟气检测的准确性。本文采用混合高斯模型与色度方差相结合的方法定位火灾烟气目标区域,并基于Gabor小波对烟气纹理及边缘特征进行描述,从而提出烟气变化能量模型与方向角分布模型来分析纹理变化的动态性质。最后采用Gentle Boosting设计分类器对模型特征进行分类与匹配,并实现在训练的同时进行最优特征选择。与传统方法相比,基于本文方法的火灾烟气检测在降低漏报率与误报率方面拥有更好的性能。

基于Gabor小波和颜色模型的阴影检测算法

在视频处理中,阴影的存在会严重影响对目标的跟踪和识别.为了有效地检测视频序列中的阴影,文中提出了一种基于Gabor小波和颜色模型的阴影检测算法.首先,建立背景的混合高斯分布模型和阴影颜色模型,通过差分法提取前景区域并结合Gabor小波纹理特征分析找出潜在的阴影点;然后通过阴影颜色模型对这些潜在的阴影点进行颜色分析;最后通过后续处理,找出真正的阴影区域.实验结果表明,文中算法具有较好的阴影检测效果.

基于Gabor小波变换的人脸表情识别技术研究

为了使人机交互得到更好的研究,提出了一种基于Gabor小波变换的人脸表情识别的新方法;首先对图像进行预处理以提高后续处理的准确度,预处理包括确定纯的人脸表情区域,尺寸和灰度归一化,然后对表情子区域进行Gabor小波变换,提取表情特征矢量,进而构建表情弹性图,最后用模板匹配的方法来识别图像的人脸表情;经过实验,发现Gabor小波变换提取特征时受光照影响比较小,该系统不仅具有很好的鲁棒性,并且速度快,识别率高。

log Gabor函数在人类视觉系统特性研究中的应用

本文对Gabor函数与log Gabor函数进行比较。构造了log Gabor小波,从人类视觉系统认知特性的角度分析了log Gabor小波的性能,并与Gabor小波进行比较,讨论了log Gabor小波的优良性能。最后将log Gabor小波应用于图像特征检测,证明用log Gabor小波不但可以提高特征定位精度,而且在相同检测效果的情况下,可以比Gabor小波节省大约一半的计算量。

年龄变化条件下采用Gabor金字塔的人脸描述与识别

随着年龄的增长,人脸特征会发生不同程度的改变,这些改变主要包括形状特征变化和纹理特征变化,从而给人脸识别问题增加了难度。为了精确地描述年龄变化条件下人脸形状和纹理特征以提高人脸识别的精度,首先将Gabor小波运用在金字塔模型上,形成Gabor金字塔特征序列,利用均值网格对Gabor金字塔特征序列进行初步降维去噪;然后将不同样本同一方向和尺度的Gabor金字塔特征进行重组;最后构造40个并行分类器,利用直接分步线性判别分析(DF-LDA)算法进行分类识别。实验结果表明,Gabor金字塔特征序列能够提高年龄变化条件下人脸识别的精度。

基于Gabor小波模型图象配准的计算视觉新方法

文章提出由两幅部分重叠图象估计物体平移、旋转和缩放新的计算视觉方法。该方法有以下特点：利用照明方向估计算子以获得摄象机旋转的起始估计；为检测局部表面曲率间断，利用Ｇａｂｏｒ小波模型定位特征点；平移及旋转的估计可公式化为线性问题；利用由粗到细的层级匹配能获得很好的结果。

基于Gabor小波的无边缘活动围道纹理分割方法

该文提出了一种基于Gabor小波的活动围道纹理分割新方法。该方法先用Gabor小波提取图像的纹理特征,再用Chan-Vese模型进行分割。与其它基于Chan-Vese模型的纹理分割方法相比,基于Gabor小波的活动围道的纹理分割方法有两个优点:一是同时使用纹理特征和灰度信息演化围道,可分割纹理图像和非纹理图像,分割方法的灵活性好;二是在分割多类目标时,采用多级分层式曲线演化方法解决了初始围道难以选择的问题。对自然界真实图像和遥感图像的分割实验结果说明,该文提出的分割方法精度高。

Gabor小波优化HMM算法的眼部疲劳状态识别

远程教育的网络学习者在学习过程中由于长期缺少情感互动容易导致学习疲劳,而学习疲劳状态往往通过眼部状态表现出来,为了对远程智能教学系统进行有效的监控,提出了一种基于Gabor小波和HMM的学习疲劳眼部状态识别算法。该算法针对网络学习者的正常学习、疲劳和疑惑三种学习状态下的眼睛张开程度有一定的区别的特点,在YCbCr颜色空间用拉普拉斯算子对眼部图像进行灰度差的处理,选择二维Gabor核函数,构造48个最优滤波器,获取48个特征值,这48个特征值生成48个特征向量,用HMM对眼部状态图像的特征向量形成的一组观测序列O进行眼部状态识别。实验结果表明,该算法对网络学习的疲劳度识别率达到95.68%,具有良好的鲁棒性。

基于Gabor特征和EHMM的人脸识别方法

针对传统人脸识别方法在受到表情、姿态和光照等影响时存在鲁棒性差的问题,提出了一种改进的人脸识别方法。在特征提取上,该方法首先提取人脸的Gabor特征,接着利用DCT(discrete cosine transform)压缩使得相似特征得到聚合,最后利用PCA(principal component analysis)分别筛选出最能够代表人脸各个区域的DCT系数。在识别方法上,该方法采用了嵌入式隐马尔科夫模型(embedded hidden markov model,EHMM),并基于人脸的认知结构信息对嵌入式隐马尔可夫人脸结构模型进行了改进。对比实验结果表明,该方法识别率高,复杂度低,并具有较好的鲁棒性,易于在工程上应用。

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。

基于统计模型与Gabor小波的人脸对齐

将基于Gabor小波的人脸特征点跟踪算法与基于统计模型的主动外观模型AAM人脸特征点定位方法结合起来,实现视频中人脸的自动对齐。先利用Gabor小波进行特征点跟踪,其结果作为AAM的初始形状。利用AAM的全局形状和纹理信息作为约束,对Gabor小波的局部跟踪错误进行校正。实验表明,该方法是有效的。

基于Gabor小波变换的人脸表情识别

对基于Gabor小波变换的人脸表情识别方法进行了研究。对图像进行预处理以提高后续处理的准确度,通过分析二维Gabor小波变换的优点和人脸表情特征的变化情况,利用二维Gabor小波变换提取脸部表情特征,使用弹性模板匹配算法来识别图像中的人脸表情。实验结果表明,这种方法与传统的识别方法相比,系统具有很好的鲁棒性,达到较高的识别率。

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Gabor小波和HMM的人像鉴别算法

探讨了利用G abor小波和隐马尔可夫模型(HMM)进行人脸识别的方法.首先对人脸图像进行多分辨率的G abor小波变换;然后在图像上放置一组网格结点,每个结点用该结点处的多尺度G abor幅度特征描述,采用独立元分析法对每个结点进行去相关和降维;最后形成特征结,把每个特征结作为观测向量,对隐马尔可夫模型进行训练,并将优化的模型参数用于人脸识别.ORL人脸库的实验结果表明,该方法识别率高,工程上易于应用.

基于Gabor小波和增强Fisher模型的掌纹特征提取

对于其他身份识别的生物特性而言掌纹有着很多的先天优势,因此在各个领域得到了非常广泛的应用。本文通过研究掌纹的特征,提出了一种基于Gabor小波和增强Fisher线性判别模型(EFM)的掌纹特征提取算法。先对预处理掌纹,在对掌纹灰色图像通过算法进行Gabor小波变换后,得到Gabor的掌纹特征向量。随后,通过主成分分析变换高维特征向量至低维空间,最后在此空间内利用EFM变换矩阵提取到掌纹的特征。由于Gabor函数在特征提取方面有着优良的性能,对高维特征的降维处理问题可有效解决,同时,算法也提高了Fisher线性判别式(FLD)的推广能力,可以较好地实现掌纹的特征提取。

基于变时窗Gabor变换的高分辨率处理技术研究与应用

为了克服时变谱白化等方法中窗长难以确定和等幅效应的问题,以及反Q滤波等方法中Q值难以求准的问题,在反射地震记录变子波模型的基础上,基于Gabor变换,提出了高分辨率处理技术,即在地震数据地层结构的约束下构造一组自适应于地震记录的分析时窗,对地震记录进行自适应非均匀划分;在时频域利用非线性压缩映射提取时变子波;对非平稳地震记录做频谱拓宽和振幅校正,估计补偿因子,对不同时窗之间由吸收引起的能量衰减进行补偿;反变换回时间域得到相对保幅的高分辨率处理结果。理论分析与实际应用表明,该技术的适用条件更接近地下实际情况,是一种相对保幅的提高地震资料分辨率的方法,可以显著提高地震资料的分辨率,能够在波阻抗反演、层序检测等领域发挥重要作用。

图像纹理特征提取方法综述

纹理是一种重要的视觉线索,是图像中普遍存在而又难以描述的特征。纹理分类与分割是图像处理领域一个经久不衰的热点研究领域,纹理特征提取作为纹理分类与分割的首要问题,一直是人们关注的焦点,各种纹理特征提取方法层出不穷。在广泛文献调研的基础上,回顾了纹理特征提取方法的发展历程,分析了其研究现状,对纹理特征提取方法进行了较为全面的综述,对其进行分类和比较,最后给出了纹理研究领域的主要发展趋势。

一种新的用于图像稳定的特征点检测方法

二维特征点的检测和提取是进行图像配准、目标识别和运动匹配的关键技术。针对不同的后继任务, 检测和提取的方法也有所不同。在多目标跟踪和识别技术中, 图像稳定是必要的处理过程, 而如何找到对应的特征点则是其难点所在。本文基于Gabor小波变换, 提出了一种新的分散型自适应策略。该方法能够迅速、有效地在前后两帧图像中找出可能的对应特征点, 以便进行特征点匹配, 从而完成图像稳定。实验表明, 本文方法检测到的特征点能够确切代表两帧图像间的运动情况, 从而为图像稳定提供了可靠的基础。

基于小波相位保持校正GVFsnake模型的B超心脏边缘提取

针对B超图像噪声过大引起的边缘提取问题,本文采用基于小波相位保持校正GVF snake模型的边缘提取 提取方法,在保持视觉效果的同时,达到了对伪像的去除、削弱和对边缘的更精确识别。

多模型ASM及其在人脸面部特征点定位中的应用

为了提高ASM在非均匀光照条件下的人脸面部特征点定位的精确度,提出了一种融合Log-Gabor小波特征的多模型ASM方法.该方法的主要特点有:在精确定位目标图像虹膜位置的基础上对全局形状模型进行较准确的初始化;特征点局部纹理特征采用灰度和Log-Gabor小波特征共同描述,减少光照和噪音对算法的影响;建立包括全局ASM和基于人脸面部显著特征区域的局部ASM的多模型ASM,交替使用这两种ASM模型在边缘约束策略基础上对特征点的定位结果进行约束.实验表明,多模型ASM算法对人脸面部特征点定位的准确率比传统ASM算法有明显提高.