基于双Gabor方向韦伯局部描述子的掌纹识别

该文结合掌纹图像的纹理特点,对原始韦伯局部描述子(WLD)中的差分激励和梯度方向进行改进,提出双Gabor方向韦伯局部描述子(DGWLD),以提高掌纹识别率。在构建新的差分激励图时,通过加入邻域像素点与中心像素点间灰度差分的方向信息,扩大异类掌纹间的差异。同时,采用双Gabor方向代替原始的梯度方向,减小平移和旋转对识别的影响。此外,为了更好地衡量特征间的相似度,使用交叉匹配算法,进一步提升识别率。在PolyU,MSpalmprint和CASIA掌纹库上进行实验,识别率均达到100%。实验的结果表明,与其它局部描述子和已有改进的WLD方法相比,该文方法具有更高的识别率和更低的等错误率。

基于LBP和Gabor方向的韦伯局部描述子的指静脉识别

韦伯局部描述子(WLD)的差分激励存在正负抵消现象且对噪声敏感,难以准确地提取指静脉的纹理特征,所采用的梯度方向算子仅包括水平和垂直方向,无法有效地反映指静脉的方向特征.根据指静脉图像具有丰富纹理信息和方向特性的特点,对WLD中的差分激励和梯度方向分别进行改进.首先,在计算局部区域的灰度差时,采用均匀模式LBP替代原始差分激励,有效地提取了指静脉图像的局部纹理特征,同时减少噪声的干扰;然后,采用Gabor方向代替原始梯度方向,有效地刻画指静脉曲线的方向特征.在FV-TJ和FV-USM指静脉库上的实验结果表明:与其他局部描述子算法相比,所提出方法有更高的识别率和更低的错误率.

基于多尺度Gabor方向韦伯局部描述子的掌纹识别

韦伯局部描述子(WLD)是一种有效的图像特征描述子。但是,构成WLD特征的差分激励和梯度方向无法准确地刻画掌纹图像的局部灰度变化和纹线的方向,因此基于WLD的掌纹识别性能并不高。针对掌纹图像纹线特征较丰富的特点,对WLD特征进行改进获得多尺度Gabor方向韦伯局部描述子,以提高掌纹识别的性能。首先,采用多尺度Gabor滤波器对掌纹图像进行滤波,得到多尺度能量图和方向图;然后,基于能量图计算差分激励;最后,基于多尺度差分激励图和方向图构造直方图特征,并将不同尺度下的特征向量串联,进而生成掌纹图像的最终特征集。在PolyU,PolyU Multi-spectral和CASIA三种数据库上的实验结果表明,本文方法与一些现有的掌纹识别方法相比,具有较高的识别率和较低的等错误率。

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.

嵌入注意力的GaborCNN快速人脸表情识别方法

人脸表情识别是智能人机交互研究的基础问题之一,面部情绪变化与嘴、眼睛、眉毛、鼻子等区域密切相关,这些特征对识别表情非常重要。为此,提出一个由4个Gabor滤波卷积层、注意力模块和两个全链接层组成的注意力Gabor卷积网络,同时使用不平衡损失focalloss对网络进行优化。首先,通过Gabor核与传统卷积滤波器调制的Gabor定向滤波器相较于传统卷积滤波器能更好地捕获感兴趣区域的信息,然后利用通道注意力、空间注意力模块提取区域中更关键的特征。在FERPlus和RAF-DB数据集上的实验表明,该模型结构简单、易于训练、计算成本低,识别精度分别达到88.39%、87.22%。

基于孪生网络的小样本轮胎花纹验证算法

为推进车辆安全检查中同轴轮胎类型判别自动化的实现,提出一种基于孪生网络的轮胎花纹图像验证算法。该算法面向小样本轮胎花纹图像,在孪生网络的基础架构上,增加方向矫正的图像预处理模块,实现轮胎花纹的对齐,消除轮胎图像间明显纹理的方向特征差异;在其子网络的低层级卷积网络中使用Gabor方向滤波器,提升网络对轮胎花纹纹理特征的学习速度以及对不同质量轮胎图像识别的鲁棒性。在CIIP_TPID和WTP数据集上的实验表明,该算法的准确率分别达到0.926和0.849。