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。

融合Log-Gabor小波和监督保局映射的人脸识别算法

流形学习是一种非监督学习算法,其鉴别能力不如传统的维数约简算法,而且流形学习算法不能有效地消除图像中如高阶相关等冗余信息.针对这2个问题,提出一种融合Log-Gabor小波和监督保局映射的人脸识别算法.首先使用Log-Gabor小波对归一化的人脸图像进行多方向、多分辨率滤波,并提取其对应的Log-Gabor图像特征向量;然后使用监督保局映射算法对Log-Gabor特征向量进行维数约简,得到低维鉴别特征;最后使用最近邻分类器进行分类.该算法综合运用了Log-Gabor特征对人脸图像的优异的表征能力、SLPP的非线性维数约简能力,对光照变化、表情变化等具有良好的鲁棒性.在Yale和PIE人脸库上的仿真实验结果证明了文中算法的有效性.

基于改进的Log-Gabor小波的虹膜识别算法

对二维Gabor复小波应用于虹膜识别进行了详细的理论分析,提出了采用二维奇对称Gabor小波代替二维Gabor复小波来提取虹膜纹理特征的改进算法.在此基础上,进一步提出一种采用改进的二维Log-Gabor小波来提取虹膜纹理特征,采用汉明距来进行特征匹配的新方法,克服了二维Gabor复小波应用于虹膜识别的缺陷.与已有算法进行比较的实验数据表明,采用二维奇对称Gabor小波的改进算法在识别率略有提高的基础上,能大大地减少编码存储空间以及编码和匹配的时间.而采用改进的二维Log-Gabor小波算法则进一步的提高了识别率.

Log Gabor小波性能分析及其在相位一致性中应用

对Gabor函数与logGabor函数进行比较,构造了logGabor小波.从人类视觉系统认知特性的角度分析了该小波的性能,并与Gabor小波进行了比较,最后将logGabor小波应用在相位一致性的图像特征检测中.实验证明,使用logGabor小波不但可以提高特征的定位精度,而且在检测效果相似的情况下,logGabor小波比Gabor小波可以节约一半的计算量.

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.

基于极坐标Log Gabor小波的纹理分析方法

提出一种基于极坐标Log Gabor小波的纹理分析方法,该方法突破了Gabor小波的带宽限制,仅采用较少的极坐标Log Gabor滤波器,即实现了准确地纹理分割。实验表明,在频谱覆盖相同的情况下,极坐标Log Gabor小波具有较Gabor小波更好的性能和更高的效率;此外,实验中针对多通道滤波方法对最小距离判别方法的改进,也取得了较好的效果,这为基于小波分解的分类问题提供了一个新的思路。

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。

一种新颖的基于Log-Gabor小波的虹膜识别算法

虹膜识别以其惟一性、稳定性和非侵犯性等优点已成为生物特征识别中极具发展潜力的身份识别技术。提出一种基于Log-Gabor小波局部频率特征和局部方向特征的虹膜识别算法。该算法首先对虹膜图像实行分块,然后选取n个频率、m个方向的Log-Gabor滤波器对每个子块进行特征提取。最后采用海明距离进行图像匹配,以判决合法性。实验结果表明,该算法识别效果较好。

基于Log-Gabor小波和正交UDP的人脸识别

针对人脸识别中特征提取的小样本问题，对原始的非监督判别映射（UDP）算法进行了改进，提出一种基于Log．Gabor和正交非监督判别映射（OrthogonalUDP）的人脸识别算法——LGouDP算法。此算法首先采用Log．Gabor小波对图像进行滤波来提取高阶统计信息，然后提出最大化非局部散度和局部散度的权值差和加入基向量正交约束的目标函数，对该目标函数的求解有效地避免了小样本问题，而且正交的基向量使得算法更利于保留人脸非线性子流形空间与距离有关的结构信息和重构样本。在ORL和PIE库上的人脸识别实验证明了提出算法的有效性。

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。

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Log-Gabor小波和二维半监督判别分析的人脸图像检索

针对光照、表情变化给人脸识别造成的影响以及大型人脸图像库的训练样本中只有部分标记的问题,结合多通道Log-Gabor小波和半监督流形学习算法,提出一种新的人脸图像检索方法。该方法首先使用Log-Ga-bor小波对人脸图像进行滤波获得特征矩阵,进一步利用提出的二维半监督流形学习算法进行维数约简,得到低维判别特征。由于该方法直接作用于Log-Gabor特征矩阵,克服了小样本带来的奇异问题;另外,通过充分利用标记和未标记信息,还保留了数据的局部流形结构,增强了特征匹配的相似性。在CMU PIE和AR人脸数据库上的实验结果表明,该方法有效且优于其他方法。

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小波变换和证据推理的车型识别

针对车型识别问题,提出了一种基于特征车的车型识别方法——基于Log-Gabor小波变换和DS证据推理的车型识别算法。该算法先对特殊车辆图像进行多分辨率的Log-Gabor小波变换,最后形成车辆Log-Gabor特征。将1-a-1多分类SVM应用于基本概率分配函数的确定,使用证据推理的方法得到车型识别的结果。实验结果表明该方法是有效、可行的。

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%。

基于多通道Log-Gabor小波与（2D）~2 PCALDA的人脸识别方法

为了降低光照变化对基于子空间的人脸识别方法性能的影响,结合多通道Log-Gabor策略与(2D)2 PCALDA特征提取方法,提出了一种新的人脸识别方法。将不同尺度与方向作为独立通道,在每个通道内采用(2D)2 PCALDA对人脸图像的Log-Gabor表示进行特征提取、分类,然后对各通道分类结果进行决策融合得到最终的类别归属。在CAS-PEAL-R1、ORL与Yale人脸数据库上的实验结果表明,该算法具有较好的识别性能。

基于可调因子Gabor小波变换的地震高分辨处理方法

时频分析是利用地震资料识别薄层的重要方法之一,常规的时频分析方法受到固定时窗、窗函数等因素影响。为此,采用一种基于可调因子Gabor小波(Tunable Factor Gabor Wavelet,TFGW)的连续小波变换(Continuous Wavelet Transform,CWT)(简称TFGW-CWT)的时频分析方法对地震资料进行处理。该方法采用具有可调因子的Gabor小波进行变换,然后使用最小绝对值投影方法组合每个可调因子的连续小波系数,降低邻近频率的交叉干扰,提高局部时频分辨率。进一步采用非负矩阵分解(Non-negative Matrix Factorization,NMF)对时频数据体降维,得到一个低秩的特征数据结构关系体,减少了高维空间的数据冗余,凸显了高频信息,达到提高地震资料分辨率的目的。模拟记录和实际资料处理结果证实了该方法的有效性,可为薄层检测提供一种新的技术手段。