多模态遥感图像模板匹配Log-Gabor滤波方法

针对多模态遥感图像匹配难的问题,本文提出了一种基于Log-Gabor滤波的高精度匹配方法。该方法采用由粗到细的多层级密集匹配框架,无须进行特征点检测,避开了多模态图像特征点检测重复率低的问题,能够提取大量高精度匹配点对。本文方法主要分为两步:首先,利用多尺度多角度Log-Gabor滤波器构建对图像间非线性辐射差异稳健的特征金字塔;然后,利用粗尺度的底层特征图进行密集模板匹配,提取大量粗粒度的特征匹配点对,在此基础上再利用特征金字塔,实现粗匹配点自下而上的逐层优化,完成高精度特征匹配点对的提取。同时,针对模板匹配滑窗运算效率不高的问题,提出了一种密集模板匹配的快速实现方式,有效减少了密集模板匹配的运算时间。本文使用多组不同模态的遥感图像进行试验,结果表明,本文方法能够克服图像间非线性辐射差异的影响,在正确匹配数目、匹配准确率与匹配精度上均优于现有多模态图像特征匹配方法。

基于Gabor滤波器的事件流特征增强及事件相机对象识别

基于Gabor滤波器的事件驱动卷积是仿生分层脉冲神经网络中常用的事件相机对象特征提取方法。为提高该类网络事件相机对象特征提取能力,提出基于Gabor滤波器的事件流特征增强算法,并应用于奖励调节STDP规则的脉冲神经网络事件相机对象识别系统。算法首先将事件流按时间窗口划分为事件流片段,然后提取各时间窗口内的事件流片段特征,同时增强事件数量较多的时间窗口内特征。并基于奖励调节STDP规则帮助网络学习诊断性特征。采用增强算法的网络在MNIST-DVS数据集上的分类精度优于未采用增强算法的网络,并且对于较短的事件流输入也有很好的分类能力。该事件流特征增强算法能够提高基于Gabor滤波器的事件驱动卷积对事件相机对象的特征提取能力。

基于多参数Gabor滤波器融合和高斯差分的生丝疵点分割

针对生丝疵点图像背景与疵点差别极小的特点,提出一种基于多方向、多频率Gabor滤波器融合和高斯差分滤波的疵点分割算法。根据疵点纹理特性,首先采用极大值的方法对特定频率多方向疵点Gabor滤波图像进行融合,并基于均值法对不同频率Gabor滤波器图像进行融合,然后使用高斯差分滤波进一步凸显疵点,最后采用全局阈值将疵点与背景分割开来。测试结果表明:该研究算法召回率达到了93.2%,能够准确分割出生丝疵点。

一种改进的Log-Gabor滤波和SVM的虹膜识别方法

特征提取和分类是虹膜识别中的关键部分。由于小波分解后的低频子带包含了虹膜图像的主要信息,而Log-Gabor滤波能有效地提取出图像的纹理信息,将这两种方法结合是一个提取虹膜识别信息的有效途径。本文先对归一化的虹膜采用小波变换的方法细分图像,再用Log-Gabor滤波器对低频通道的子带图像进行更进一步的特征提取并量化,形成特征码本,最后采用支持向量机的分类器来进行分类。实验结果表明,分类器能很好地分离各类虹膜,识别率提高到了99.6%,等错率则降低为0.3%,比传统汉明距的分类方式有更优异的性能。

结合小波变换和Log-Gabor滤波的虹膜识别方法

提出了一种将小波变换和Log-Gabor滤波结合起来进行虹膜识别的方法:小波分解后的低频子带包含了虹膜图像的主要信息,而Log-Gabor滤波能有效提取图像的纹理信息。将归一化的虹膜图像进行两层小波分解,再取其低频子带进行Log-Gabor滤波并量化生成虹膜模板,采用汉明距进行快速分类。实验结果验证了本算法具有很好的识别率和等错率。

基于Laws与Gabor滤波的田间西兰花花球识别技术

正确识别西兰花田间位置是实现西兰花自动化采收的基础,西兰花花球颜色与植株的叶片、茎秆相似,仅通过颜色特征无法对西兰花进行识别,本文以成熟期的田间西兰花为研究对象,提出了一种基于纹理特征与颜色特征的西兰花识别算法。首先通过预处理以及Laws滤波对图像进行边界纹理强化,再通过Gabor滤波对图像进行纹理特征向量提取,并对提取后的纹理特征向量进行z⁃score标准化,随后对标准化后的纹理特征向量进行K⁃means聚类与开运算,获取花球潜在存在区域。同时对RGB图像进行HSV转换,通过对图像的H分量进行阈值分割达到滤除地面像素的效果。最终对纹理特征识别与颜色特征识别的结果进行融合,实现对田间西兰花的识别。算法通过结合纹理与颜色特征,对田间西兰花进行了识别,解决了西兰花的花球与茎叶等背景颜色相近难以识别的问题。本文共使用792幅图像进行试验,试验结果表明,本方法可以准确地对西兰花田间图像进行识别,其精确率为96.96%,召回率为94.41%,F1值为95.67%。通过对3组不同拍摄环境的数据集进行算法识别,3组数据集的F1值始终保持在94%以上,具有良好的拍摄环境适应性,为农业机器人进行西兰花自动化采收奠定了基础。

一种Log-Gabor滤波器结合多分辨率分析的虹膜识别方法

为提高虹膜识别算法的性能,提出了一种采用虹膜纹理全局信息的识别方法——全局信息识别法(IRBGT).该方法使用下采样运算得到不同分辨率下的虹膜图像,然后通过不同方向尺度的Log-Gabor滤波器组提取虹膜纹理的全局特征.最后,运用加权最小海明距离对生成的虹膜特征码进行匹配.与传统的Gabor虹膜识别方法相比,IRBGT方法在虹膜识别时更多地考虑了全局信息的可辨识力,能够降低等错误率和相同错误接收率下的错误拒绝率.对CASIA和UBIRIS虹膜库的测试结果表明,相比传统的Gabor虹膜识别方法,IRBGT方法在错误接受率为0.01%和0.1%时使错误拒绝率分别减小了0.54%±0.2%和0.35%±0.15%,使等错误率降低了约0.2%.

基于Log-Gabor滤波与黎曼流形学习的图像识别算法

在图像识别的研究中,黎曼流形学习不能有效消除图像中的冗余信息.基于上述原因,文中提出基于LogGabor滤波与黎曼流形学习的图像识别算法.首先使用Log-Gabor滤波器处理图像,获得维数较高的Log-Gabor图像特征,然后使用黎曼流形学习降维图像特征.研究表明,Log-Gabor滤波与黎曼流形学习的融合算法符合人类视觉感知的过程.文中算法对于光照、角度变化具有较好的鲁棒性,在多个标准数据库上的仿真实验验证文中算法的有效性.

基于Log-Gabor滤波的指纹图像增强

自动指纹识别系统的性能在很大程度上依赖于指纹图像的采集效果。指纹图像增强用于改善原始指纹图像的质量,以保证指纹特征提取的准确性,是十分必要的。Gabor滤波是比较有效的指纹图像增强方法,但是仍存在一定的局限性。与传统的Gabor滤波器相比,Log-Gabor滤波器可以在取得最佳空间定位的同时具有更宽广的频带,有利于改善指纹图像的滤波效果。本文提出采用Log-Gabor滤波器来实现指纹图像增强,先利用加窗傅里叶变换来提取指纹图像的局部频谱信息,再在频域进行滤波。在详述了滤波器的设计方法之后,给出具体的图像滤波方案,并与传统方法作了比较。实验结果表明,所提出的算法能有效改善指纹图像的质量和提高指纹识别的可靠性。

基于Log-Gabor滤波的小波显微图像融合

针对现有图像融合方法对纵向覆盖范围较大的显微样本的图像融合效果不理想的问题,提出了一种序列显微图像融合方法。该方法以小波变换方法为基础,利用区域Log-Gabor滤波方法设计尺度系数的融合规则,既使融合后的图像不会产生块效应,又避免了以往的小波方法造成的过度模糊现象。讨论了方法中的参数设置对融合结果的影响,实验结果表明,与其它融合方法相比该方法的融合效果更好。

基于2D Log-Gabor滤波器的虹膜识别研究

Log-Gabor滤波器无直流分量,带宽不受限制,比Gabor滤波器更适于提取虹膜纹理特征。提出了基于2DLog-Gabor滤波器的虹膜识别方法。通过多通道2DLog-Gabor滤波器提取虹膜纹理特征并进行相位编码,运用加权海明距离匹配,匹配时借助噪声屏蔽码去除眼睑遮挡干扰。在CASIA和UBIRIS虹膜库进行了测试,与传统方法相比,可取得更小的等错误率和相同错误接收率下更小的错误拒绝率。

基于Log Gabor滤波的指纹纹理匹配

分析了Log Gabor滤波器的性能,详述了用于指纹识别的Log Gabor滤波器的构造方法,在此基础上提出了基于Log Gabor滤波器的指纹纹理匹配算法。首先采用了一种快速有效的参考点定位方法,在确定有效区域并归一化后,通过傅里叶变换把指纹图像转换到频域,在频域进行Log Gabor滤波,最后在滤波图像中提取特征,并与传统方法作了比较。实验结果表明,所提出算法的性能优于基于Gabor滤波的纹理匹配方法和基于细节点的方法,提高了指纹识别的准确率。

基于Log-Gabor滤波器的织物起球客观评级方法

作为传统Gabor小波的一种改进,Log-Gabor滤波器在机器视觉领域已经得到广泛的应用,利用Log-Gabor滤波器的特性结合主成分分析(PCA)与支持向量机(SVM)对织物起球的等级进行客观评价。针对Log-Gabor特征的高维问题,改进了传统的特征提取方法,提高了实验的计算效率,减少了运行时间。通过与Gabor小波的实验结果比较,该方法可以有效捕捉起球信息,最高正确识别率达到了95%。

基于Gabor滤波的软包电池表面缺陷检测

针对当前锂锰软包电池表面在生产过程中容易出现凸点、凹点等缺陷的问题,提出了一种基于光度立体法与频域Gabor滤波相结合的电池表面缺陷检测方法。首先,采用3个光源采集图片,然后进行图像融合,生成电池样本的反照率图片,可以使缺陷更加明显;然后对反照率图片进行快速傅里叶变换,在频域状态下使用Gabor滤波器进行处理,处理的结果再用逆傅里叶变换转换到时域,对于去除拍摄反光引起的图片噪声,采用中值滤波去除,将缺陷部分根据灰度值的大小用一个矩形掩膜进行增强;然后采用全局自适应阈值分割提取缺陷区域;最后利用形态学操作细化缺陷,凹坑准确率在98%,凸点准确率在96.7%,能够达到实际工业应用要求。

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。

Log-Gabor滤波和特征融合的虹膜识别研究

针对Gabor滤波器在提取虹膜纹理特征时带宽受限制的问题，提出了一种Log-Gabor滤波器结合特征融合的虹膜识别方法．该方法利用多尺度多方向二维Log-Gabor滤波器构成的多通道滤波器提取虹膜纹理特征，在特征层利用幅值信息对同尺度下多方向的Log-Gabor特征进行融合，以压缩冗余信息及去除非有效特征，然后对融合后的特征进行相位编码，并运用加权海明距离进行匹配，匹配时借助噪声屏蔽码去除眼睑遮挡干扰．同时，提出一种虹膜图像质量评价方法，

联合Gabor滤波器和核池化特征学习的单样本人脸识别与验证

针对深度网络模型的结构复杂问题,受构建Gabor滤波器无需任何学习过程且与训练数据无关,以及径向基(radial basis function, RBF)核池化能够提取非线性二阶特征的启发,提出一种联合Gabor滤波器和RBF核池化的轻量卷积网络方法。首先对人脸图像进行Gabor卷积得到特征图;然后采用双曲正切函数tanh激励特征图以提高特征的表达能力;最后利用多尺度金字塔策略将特征图划分为多个区域,在每个区域上做RBF核池化,所有区域的核池化特征串联得到人脸特征表示。探讨了多个参数对识别性能的影响,对比了协方差池化和核池化的区别和性能。在三个单样本人脸识别和一个视频人脸验证数据集上进行大量实验,结果表明本文方法学习的人脸特征具有优秀的判别能力,对光照、遮挡、年龄等因素具有强鲁棒性。

基于Gabor滤波和Scharr算法的手掌静脉图像增强方法

目的为了改善采集到的手掌静脉图像质量,提高静脉识别的准确性,提出一种基于Gabor滤波和Scharr边缘检测算子的手掌静脉图像增强方法。方法首先对原始手掌静脉图像截取感兴趣区域(region of interest,ROI)后进行滤波去噪,其次通过自适应直方图均衡化提高图像对比度,然后采用6个方向的Gabor滤波器提取手掌静脉纹路,并通过Scharr算子实现静脉纹路增强。采用全参考和无参考相结合的图像定量质量评价指标峰值信噪比(peak signal to noise ratio,PSNR)、均方误差(mean squared error,MSE)、灰度标准差、图像清晰度(no reference structural sharpness,NRSS)进行评估。结果本文方法PSNR为29.460,MSN为73.619,图像灰度标准差87.715、NRSS为0.341,结果表明图像失真程度最小,静脉纹路得到有效增强。结论本文方法能够有效增强手掌静脉纹路的对比度,改善图像质量。

基于Gabor滤波和显著性检测的红外与可见光图像融合

红外和可见光图像的融合既要突出红外图像中重要的亮度特征,又要使融合图像保留清晰的视觉效果。因此,提出了基于Gabor滤波和显著性检测的融合方法。首先,采用显著性检测得到红外和可见光图像的显著层,再使用Frankle-McCann Retinex增强算法对可见光图像进行增强,之后用Gabor滤波器将红外图像和增强后的可见光图像分解为细节层和基础层。然后,采用“最大绝对”的融合策略对显著层与细节层进行融合,最后进行图像重构。实验结果表明,得到的结果与其他八种经典算法比较中表现优异,尤其是AG、EI、IE、SF等指标方面尤为突出。

基于Log-Gabor滤波和LBP算子的光照不变人脸识别方法

提出了一种基于Log-Gabor滤波和局部二值模式(local binary patterns,LBP)算子的光照不变人脸识别方法.该方法首先对人脸图像进行对数变换预处理,有效改善剧烈光照变化对人脸图像的不利影响.然后采用Log-Gabor滤波器与图像进行卷积,得到不同尺度和不同方向下的人脸Log-Gabor特征图像.在此基础上,再使用LBP算子对Log-Gabor图像进行描述,最后将所有的Log-Gabor图像的LBP特征进行简单连接,作为人脸的特征向量.将所提出的方法在YaleB数据库上进行实验,实验结果表明该方法能够有效提高复杂光照条件下的人脸识别率.