基于Gabor变换的雷达图像滤汉及无监督分割

提出了一种基于Ｇａｂｏｒ小波变换的多尺度、多方向的ＳＡＲ图像去除斑点噪声及纹理分割算法，根据ＳＡＲ图像的特点设计一组Ｇａｂｏｒ滤波器，对ＳＡＲ图像进行二维Ｇａｂｏｒ变换，得到一组滤汉后多分辩率，多方向的图像、通过对滤波后的图像分别进行非线性变换，再用非相干均值平均滤出斑点噪声，并计算每个像素在选定窗口的能量，以此检测出纹理特征，用均方误差聚类方法得到分割的图像，给出对ＳＡＲ图像进行纹理分割的满意实     

一种新的基于多小波变换的虹膜识别算法

提出一种基于多小波变换的新的虹膜识别算法. 利用CL多小波优良的数学性质, 虹膜纹理特征能够被准确完整地表达. 将分解后子带作为特征编码, 利用空间向量的方向夹角余弦作为匹配方法, 有效克服了缩放、 平移、 光照等影响, 达到了较好的识别效果.     

基于小波理论的铸件缺陷纹理分类分析

根据纹理特征,提出了铸铝及铸铁缺陷的自动分类方法,通过类人眼对铸件缺陷的感知方式,运用Ｇａｂｏｒ小波函数分析了缺陷的纹理。为满足高速在线检测的要求,提出了启发式滤波器参数选择原则及Ｇａｂｏｒ函数在空域中快速而简便的运算方法。     

基于核主成分分析的虹膜识别方法

阐述虹膜作为生物测定学特征用于身份识别具有得天独厚的优势,虹膜识别在场所或资源的安全控制等方面具有重要的应用价值.提出一种新的虹膜识别方法,该方法利用核主成分分析(KPCA)提取虹膜的纹理特征,通过竞争学习寻找其中最优的KPCA特征,形成虹膜编码,最后通过计算编码之间的方差倒数加权欧氏距离对虹膜进行识别.实验结果表明,该方法计算速度快,提取特征的效果好,对环境的适应性强,可用于实际的身份鉴别系统.     

基于纹理检测器的多频道纹理分析

按照２ＤＧａｂｏｒ函数的特点和视觉机制，提出了用来捕捉纹理基元的纹理检测器函数．基于纹理检测器和多频道分解理论，提出了影像纹理的多频道分析方法，并按照神经动力学的侧抑制和端点抑制等理论，实现了对多频道纹理特征的融合，为改进现存多频道滤波方法提供了良好途径．实验表明，所提出的方法可有效用于具有相似模式大小的纹理分析．     

离散时间域的Gabor谱分析及其在语音处理中的应用

把Ｇａｂｏｒ谱应用于离散时间域，对典型信号进行处理和分析，并与短时傅里叶变换和离散Ｗｉｇｎｅｒ分布相比较，证明了离散Ｇａｂｏｒ谱不仅在时频域具有和离散Ｗｉｇｎｅｒ分布相同的高分辨率，优于短时傅里叶变换，而且能有效地消除离散Ｗｉｇｎｅｒ分布中交叉干扰的影响．文中还进一步应用离散Ｇａｂｏｒ谱，对汉语语音信号进行了处理，结果表明它可以较好地描述语音信号频谱的时变特性，为语音识别和话者识别开创了一种新的途径．     

基于多方向Gabor滤波器和Adaboost的虹膜识别方法

结合虹膜的整体和局部纹理信息,提出一种新的虹膜特征提取和识别方法.首先将归一化虹膜进行分块,然后利用多方向Gabor滤波器分别对整个虹膜和虹膜子块进行编码并生成特征向量,最后使用Adaboost算法训练得到识别性能较好的特征用于识别.在数据库CASIA-IrisV3-Lamp中实验,该算法的识别率达到99.85%;在包含大量低质量虹膜图像的数据库NICE:Ⅱ中实验,算法也具有较好的识别性能,表明了算法既能充分地利用虹膜的纹理信息,又能有效地减少噪声的影响.     

有限离散Gabor展开的不同形式及相互关系

离散Ｇａｂｏｒ展开已有三种不同的定义形式。给出了另一种形离散Ｇａｂｏｒ展开；讨论了有限长度散信号在使用不同形式的离散Ｇａｂｏｒ展开时，各种Ｇａｂｏｒ系数及辅助函数之间的关系，所得结论对Ｇａｂｏｒ展开的理论及应用增有实际意义。     

零谱矩滤波器在虹膜纹理特征提取中的应用

通过对零谱矩滤波器的研究, 提出一种新的虹膜纹理特征提取算法, 它利用平衡式零谱矩滤波器对预处理后的虹膜图像进行分解, 以提取更准确的虹膜纹理特征. 经实践检验, 本方法的运算速度快, 对虹膜的识别获得了较好的效果.     

基于小波包分解的虹膜图像质量评价算法

在虹膜识别系统中,虹膜图像的质量是影响识别效果的重要因素。为了保证识别的准确性,必须选择满足识别算法需要的图像来进行特征提取和模式识别。在对现有虹膜图像质量评价算法分析的基础上,该文提出了一种新的基于小波包分解的算法,根据虹膜纹理的特点确定小波包的分解方式,选取纹理高频分量分布最集中的子频带作为特征子频带,以其能量作为判别图像质量的准则。对比实验结果表明,该方法可以快速、准确地判断虹膜图像的质量,实现了对图像的实时处理,结果合乎人眼的主观度量,且区分不同质量图像的效果优于其它评价算法。     

Gabor滤波器的纹理分割

提出了基于Gabor滤波器和FCM的纹理分割法。讨论了Gabor滤波器的选择。将Gabor滤波器用于提取纹理的特征,通过FCM的聚类来进行分割。将该方法运用于普通纹理图像及自然纹理图像——地震剖面图像的分割,仿真实验证明了方法的有效性。     

基于改进遗传算法的虹膜识别方法研究

为了提高虹膜识别算法的有效性,提出了基于改进遗传算法进行特征选择的虹膜识别方法.针对虹膜图像纹理分布的特点,采用了多尺度环对称Gabor滤波器进行特征提取.同时,在特征选择上对经典遗传算法进行了改进,调整了遗传算法的交叉机制,提高了算法的搜索效率.为了检验算法的有效性,在中国科学院CASIA虹膜数据库上进行验证,实验结果表明该方法具有较高的识别精准度.     

基于加权Hamming距离的虹膜匹配算法

为了提高虹膜识别系统的识别性能,提出了基于加权Hamming距离的虹膜匹配算法。在利用多尺度Gabor滤波器组提取虹膜纹理相位特征的虹膜识别系统中,不同尺度、不同方向的Gabor滤波器,甚至同一Gabor滤波器的实部和虚部对虹膜纹理的描述能力不同,其抽取的特征的鉴别能力也不一样。根据鉴别能力的差异,在计算Hamming距离时对不同滤波器的输出进行加权,利用加权后的距离进行身份认证。实验结果表明,与传统的基于归一化Hamming距离的虹膜匹配算法相比,改用该算法后,虹膜识别系统的等错误率从0.97%下降到0.47%,识别性能得到明显改善。     

基于Gabor特征和局部二值模式融合的纹理图像识别

传统的Gabor滤波方法和局部二值模式(Local Binary Pattern,LBP)算法提取的纹理特征鉴别能力不足,导致纹理识别精度不够理想.为了解决上述问题,提出一种将全局Gabor特征和局部LBP特征进行融合的纹理图像识别方法.该方法利用Gabor滤波方法提取纹理图像的全局特征,利用LBP算法提取纹理图像的局部特征,然后在最近子空间分类器的框架下实现全局和局部特征的融合以及纹理图像识别.在CURe T和KTH-TIPS基准纹理库上的实验结果表明,笔者提出的方法显著超越了传统Gabor滤波方法和LBP算法的纹理识别精度.     

皮肤纹理检测技术

提出一种将基于粒子群模糊聚类算法的边缘检测方法和Gabor小波变换相结合来进行皮肤纹理检测的方法.用边缘检测的方法将明显具有很多边缘的肤色区域剔除,对于没有明显纹理的皮肤区域用Gabor小波变换进行皮肤的纹理检测.仿真结果表明,所研究的方法正检率获得提高,误检率有所下降,是一种有效的皮肤纹理检测技术.     

基于微积分算子的彩色虹膜图像定位算法

针对NICE:Ⅱ中的彩色噪声虹膜图像难于精确定位问题,提出了一种基于微积分算子的彩色虹膜图像定位算法.首先选择RGB虹膜图像的R层,结合Gabor滤波器和图像梯度信息检测图像中的光斑区域;然后利用Adaboost算法检测虹膜区域,并使用抛物线形微积分算子定位上下眼睑;再利用基于微积分算子的模板,通过局部极值的逐步迭代和对虹膜边界点的聚类分析,定位虹膜外边界;最后使用同态滤波对虹膜区域进行增强处理,检测虹膜内边界.在NICE:Ⅱ彩色虹膜图像库上的实验表明,该方法的定位准确率为98.22%.     

基于Gabor小波和LPP的浮选过程泡沫纹理特征提取及应用

针对Gabor小波进行特征提取时易造成维数灾难和识别效率不高的问题,提出一种基于Gabor小波滤波和局部保持投影(LPP)降维算法相结合的泡沫纹理特征提取方法.首先,利用Gabor滤波器获得原始泡沫图像5个尺度和8个方向的高维特征描述向量;然后,利用LPP算法得到降维特征向量;最后,利用此降维特征向量通过反向传播(BP)神经网络进行不同工况下泡沫类别的识别,进而指导实际矿物浮选生产.实验结果表明,相对于传统的GLCM方法和Gabor小波纹理特征提取方法,该方法可有效降低泡沫纹理特征向量维数并具有更高的识别效率.     

基于Gabor能量滤波器的虹膜分割技术的研究

为了能快捷方便地从眼部图像中分割虹膜图像,本文将原用于模拟脑部主要直观皮层中复杂细胞的Gabor能量算子用作眼部图像的滤波函数.实验表明,通过对该Gabor能量函数非CRF抑制、相关参数的分析和优化,该方法能较好地将瞳孔纹理从眼部图像分离,从而方便地实现虹膜提取,并能简化虹膜识别系统的程序、提高其处理速度.     

基于Gabor变换的雷达图像滤波及无监督分割

提出了一种基于Gabor小波变换的多尺度、多方向的SAR图像去除斑点噪声及纹理分割算法．根据SAR图像的特点设计一组Gabor滤波器，对SAR图像进行二维Gabor变换，得到一组滤波后多分辨率、多方向的图像．通过对滤波后的图像分别进行非线性变换，再用非相干均值平滑滤出斑点噪声，并计算每个像素在选定窗口内的能量，以此检测出纹理特征，用均方误差聚类方法得到分割的图像．给出对SAR图像进行纹理分割的满意实验结果，对照试验表明，该方法优于空间灰度共现矩阵方法．