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%.

二维Log Butterworth滤波器全方向边缘检测的频域实现方法

由于人类识别图像特征涉及非线性的识别机制,提出基于改进二维Log Butterworth滤波器的全方向边缘检测方法。该方法从频域角度出发,利用正反快速傅里叶变换来实现边缘检测工作。首先,将非线性Log函数引入Butterworth滤波器,获得二维Log Butterworth滤波器,当图像行列数不一致时,中心频率分布于椭圆之上,椭圆的长短轴之比与图像长宽比相等,进而给出以角度为变量滤波器表达式。其次,为方便滤波器参数的选取,对二维Log Butterworth滤波器参数进行归一化等处理。再次,利用F-measure和PSNR(峰值信噪比)来衡量不同参数的边缘检测结果,确定最优的二维Log Butterworth滤波器参数范围。然后,乘法次数和加法次数被用来分析本文方法的理论效率,同时以不同大小的图像作为试验数据来比较两种方法的检测耗时。最后,以伯克利图像分割数据库(BSDS)图像和高空间分辨率遥感图像为试验数据,对本文方法的边缘检测结果进行评价分析。结果表明:本文方法可以有效地应用于图像边缘检测。

基于LOG滤波器的图像边缘检测算法的研究

边缘检测是图像处理技术研究中的一个重要领域。本文在深入分析LOG滤波器边缘检测方法及多尺度特性的理论基础上,提出了一种改进的算法,实验结果表明,该算法在计算量增加不大的基础上提高了检测精度。

边缘检测中的LOG滤波器的改进方法的研究

本文着重研究了用ＬＯＧ滤波器检测边缘的方法。首先讨论了离散的边缘以及边缘提取中的方向性问题。然后通过对ＬＯＧ滤波器与Ｌａｐｌａｃｉａｎ算子提取边缘的结果进行分析比较，提出了上述两种检测边缘的改进算法。利用这个改进的算法构造了一个较小的５×５模板的ＬＯＧ滤波器，并显示了其优良的性能，这对于实际应用有重要意义。

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LoG算子的双滤波边缘检测算法

边缘检测是图像处理中的重要步骤,为了有效抑制噪点并保留边缘信息,分析了高斯滤波不具有自适应性的缺陷,根据噪声灰度值不连续的特性,在改进传统均值滤波的基础上,提出了一种加权系数自适应的均值滤波,并通过与LoG算子相结合,得出一种基于LoG算子的双滤波边缘检测算法。通过实验对比发现,该算法可有效的消除噪点的干扰,又能保证获取边缘的准确性,并且与LoG算子、Canny算子等算法相比较,在保持检测速度基本不变的情况下具有更好的检测精度。

基于组合LoG滤波方法的轮廓检测

轮廓检测是计算机视觉领域一个重要问题,目标和背景的纹理和噪声的存在让提取轮廓和保存轮廓完整性变得十分复杂。现有的神经生理学和解剖学研究成果,提供了许多轮廓检测的新方法。文中改进了现有的仿生模型,通过对图像进行不同参数的LoG滤波,并将结果赋予不同的权重,然后组合所有结果来抑制纹理,减弱了纹理和背景中的干扰成分对轮廓提取的影响,增强了目标的轮廓边缘,保留了目标轮廓的完整性。实验结果表明,这种方法有效地抑制了纹理,减少了对目标轮廓完整性的破坏,提高了图像的轮廓检测性能。

改进的Log-Normal分布杂波仿真方法

针对目前Log-Normal分布杂波仿真中没有考虑线性滤波器物理可实现性的问题,首先研究了该杂波模型的统计特性及其ZMNL仿真方法;在此基础上,引入最小相位特性与复倒谱技术,提出了一种物理可实现的滤波器产生方法,同时详细阐述了物理可实现Log-Normal分布杂波随机序列产生的流程;最后,进行了仿真实验,仿真结果证明了该方法的准确性和有效性。该方法产生的杂波可用于雷达信号模拟、雷达图像分析及雷达最优信号处理器的设计。

基于FPGA的红外图像目标检测

红外图像目标检测过程中,实时处理过程需实现大量的数据存储和高速的处理速度.文中介绍了基于DSP+FPGA的图像处理系统,LoG滤波器及其设计方法.并详细论述了在FPGA中通过LoG滤波实现红外目标检测的方法.将FPGA用于目标检测,发挥了FPGA的高速优势,可实现红外目标的实时检测.

基于相位一致性检测的目标分割和跟踪方法

在复杂背景下,目标和背景的亮度或对比度变化以及光照不均匀等因素都会影响目标分割的结果,导致跟踪不稳定或失败。针对这些问题,介绍了基于相位一致性检测的目标跟踪算法。该算法利用log Gabor滤波器获取多方向相位一致图像,并根据最小尺度下6个方向log Gabor小波滤波图像的中值平方确定目标响应最大的3个方向,进行目标分割;利用分割结果确定目标大小、质心位置,进而实现波门自适应跟踪。实验表明,该算法不受亮度和对比度变化影响,采用一个固定的分割阈值,就能得到很好的分割结果,实现了对目标的稳定跟踪,具有较高的跟踪精度。

图像视觉特征描述中基于相位信息的对称性检测

在综述现有图像特征视觉描述中对称性检测方法的基础上,研究和分析基于相位信息的对称性检测问题,提出相位信息的对称性检测方法(PSD),可以同时检测镜像对称、旋转对称、曲线对称等多种对称性,通用性强,给出结果的性能分析,本文提出的方法在图像视觉描述中具有优良的性能.

基于键合图理论的主动悬架LQG控制

基于键合图理论建立了四自由度 1 /2车辆主动悬架的振动模型并推导出状态方程 ,以车身垂直振动、纵向角振动及控制总能量最小为目标函数 ,采用随机线性二次型高斯 ( LQG)控制 ,得到了主动悬架的最优控制增益和 Kalman滤波增益 .进行对照仿真 ,结果表明采用

基于对数极坐标频谱的Gabor纹理分析

提出一种基于对数极坐标频谱的Gabor纹理分析方法(LPFG),该方法以对数极坐标的形式表示图像在频率空间的频谱分布,利用多通道Gabor滤波器进行频率分析,从而提取图像的纹理特征,并结合改进的最小距离判别方法实现了有效的纹理分割;此外,从理论上分析了该方法与Log Gabor小波分析的一致性,由此推导了Log Gabor小波的参数计算方法;并从实验的角度与传统方法进行了比较,证明该方法在性能和效率上均优于传统方法。

一种新的基于Laplacian算子的边缘检测方法

Laplacian算子是二阶微分算子,利用边缘点处二阶导函数出现零交叉的原理检测边缘,对灰度突变敏感,定位精度高,但抗噪性差。本文基于Laplacian算子的边缘检测模型,采用最大/最小中值滤波器,提出一种新的边缘检测方法。实验结果表明该方法具有保护边缘和平滑噪声的优点,边缘检测效果理想。

基于局部纹理特征的钢卷侧面缺陷检测方法研究

针对钢卷侧面图像的纹理结构,提出了一套有效的钢卷侧面图像检测方法和一种新的Gabor滤波器参数设计方法,并将Gabor滤波器与LOG滤波器相结合对图像做预处理,有效的滤除了噪声并增强了图像纹理结构。另外,改进了基于"散度"的Zernike矩特征选取方法并结合SVM对预处理后的钢卷侧面图像子块分类,从而检测目标图像中是否含有缺陷。

主体结构保持的增强型图像风格传递方法

现有的图像风格传递方法在传递鲜明风格的同时目标图像的主体结构常会发生变形.为了改善此情况,在基于深度卷积神经网络风格传递方法的基础上设计损失函数.该函数在原有损失项的基础上,增加两个正则项.其一用于维持目标图像的主体结构,采用高斯拉普拉斯(Lo G)算子提取的边缘信息构成表达主体结构的特征矩阵,正则项由结果图像和目标图像的特征差构成.其二考虑到深度特征偏重于刻画全局信息,而艺术风格与笔触、纹理走向、色彩的流动等局部方向性特征密切关联,设计另一个正则项用于增强方向性风格特征的描述,由Gabor滤波器提取的特征构成,同时避免主体结构的保持可能带来的风格传递的弱化效应.实验表明,相比其它同类算法,文中方法在传递鲜明风格时更好地保持目标图像的主体结构.

基于多值样条拟合曲线搜索的医学图像分割

针对肾组织切片图像的复杂特点,提出了一种基于拟合曲线搜索的肾小球分割方法,克服了边界增强方法中由于边界大量缺损而导致的肾小球区域提取不全的困难。首先在小波低频区域使用LOG滤波器获得含噪声较少的边界二值图像,在该二值图像中采用三次样条拟合方法构造闭合曲线,然后通过遗传算法在小波构造的低分辨率图像中搜索边界的最佳拟合曲线,在高分辨率图像中对该曲线进行精细化调整。实践证明了这一方法的正确性和有效性。

基于残差卷积自动编码器的导光板线划伤检测方法研究

导光板是液晶显示屏背光模组的主要组成部分,在其生产过程中不可避免的会有部分导光板受到尖锐外力作用而产生线划伤缺陷,造成产品质量的下降。为了提升对该类缺陷检测的准确率,在分析导光板及其缺陷的光学特征基础上,本文提出了基于自适应的LoG滤波和残差卷积自动编码器的导光板线划伤缺陷的检测方法。首先,设计自适应的LoG滤波器对导光板图像进行边缘锐化,使缺陷和导光点与背景产生比较清晰的差异;其次,设计一种对导光板缺陷修复效果更好的残差卷积自动编码器,该自动编码器网络结构可以实现解码器部分对编码器部分的信息恒等共享,将锐化处理后的图像输入训练好的残差卷积自动编码器中,可以得到缺陷修复后的导光板图像;进而,将导光板图像和修复后图像做差,并进行全局阈值分割和区域特征筛选,可以准确提取出线划伤缺陷;最后,在工业现场采集的导光板图像上进行了大量的实验。实验结果表明,该算法的运行效率和准确率高,线划伤缺陷检测准确率可达98%。