快速Gabor滤波器在指纹纹理分析中的应用

为了提高指纹识别速度，在分析了Gabor滤波器实部特征的基础上简化了求二维卷积的运算，从而改进了Gabor滤波器算法，实验表明该改进算法使运算的复杂度由O（n^2）降至0（n）。     

基于Gabor滤波器虚部的CT脑血管医学图像边缘特征提取方法

在图像处理方面,Gabor滤波器的实部被广泛应用于纹理图像的增强,对其虚部却没有单独的使用.为保证三维重建图像的质量和细节边缘信息的提取,对Sobel算子和Gabor滤波器的虚部组成特点进行了分析.基于CT脑血管医学图像的边缘特征提取中成功引入了Gabor滤波器虚部的滤波结果作为新的脑血管边缘图像特征,并对特定条件下的Gabor滤波算法进行了有效的改进,使运算的复杂度由O(n2)降至O(n).     

一个快速的二进制多重精度gcd算法

求两个整数的最大公因子（gcd)的经典的Euclid算法时间复杂度为O（ln^3n)，不适宜于多重精度运算。论文证明了gcd的相关性质，提出了一个基于二进制的、适用于多重精度运算的改进算法，其时间复杂度为O（ln^2n)。     

改进的Gabor滤波器带钢表面缺陷显著性检测

针对传统带钢表面缺陷检测方法在实际生产过程中检测精度低、实时性差的问题,提出一种基于复合差分进化的Gabor滤波器优化方法.首先,将采集到的图像进行预处理,获取高质量图像;然后,针对传统Gabor小波滤波器参数较多和算法实时性不高两大难题,提出了一种复合差分进化的Gabor滤波器优化方法,对参数和方向分别做了改进,较大提升了检测效率;最后,对显著性缺陷目标进行阈值分割,完成带钢表面缺陷检测.实验结果表明:该优化算法复杂度低、检测效率高,优化后的Gabor检测模型在速度上比传统Gabor检测模型快了约2.3倍,平均速度达到了91.8ms/帧.     

基于频率域滤波器的织物疵点检测

针对织物疵点检测,设计了一个频率域滤波器,它包括两个最优的圆形Gabor滤波器和一个与Gabor滤波器相切的中心掩模,基于该滤波器提出了一种频率域的疵点检测算法.应用提出的算法对织物疵点图像作疵点检测,实验结果表明,该算法能够有效地检测疵点.     

全加结构抽取和补偿滤波器的高效实现

针对接收机设计中使用有限冲击响应(FIR)滤波器对级联积分梳状(CIC)抽取滤波器进行补偿滤波的问题,提出了一种全加结构无乘法运算的FIR补偿滤波器实现方式.通过对FIR补偿滤波器系数的近似,将滤波器系数用与它最接近的{2n}集合中的一个数表示,将滤波器乘法运算转换为移位运算,整个补偿滤波运算仅由滤波器阶数个加法单元构成.仿真结果表明,这种采用系数近似的算法在实现高速运算的同时,可以满足对CIC抽取滤波器进行补偿滤波的要求.     

一种基于二维匹配滤波器的掌纹识别算法

在掌纹识别算法中,基于Gabor滤波器和方向编码方法得到了广泛的研究和应用,但是此类方法一般使用Gabor滤波器提取特征,易受噪声和散焦等外界因素的影响。针对此问题,本文提出了一种基于匹配滤波器的算法。该算法使用二维匹配滤波器提取图像特征,采用双方向编码(DOC)匹配方法表征特征之间的相似度。实验结果表明,该算法对于噪声、散焦和平移等干扰都具有很好的鲁棒性,验证了该算法的可行性。     

一种自适应加权的基于Gabor滤波器的人脸识别方法

为了改善Gabor滤波器的识别性能,提出了一种自适应的基于Gabor 滤波器的特征权重选择的人脸识别方法. 首先将训练样本进行镜像变换,由镜像偶对称图像构成探测图像集,然后把每幅人脸图像采用离散余弦变化进行降维, 经过Gabor 小波变换提取人脸特征, 再自适应地计算出不同特征对识别的不同贡献并加权到鉴别特征中,最后根据最近邻分类器分类.基于ORL和Yale 人脸库上的实验结果验证了改进算法的有效性.     

基于Gabor滤波器和广义对称变换的指纹增强算法

在传统Gabor滤波器的基础上,引入广义对称度,综合考虑指纹图像中脊线的对称性、方向选择性与频率选择性,提出了一种结合对称性和Gabor滤波器的指纹图像增强新算法.实验表明,该算法能够准确地定位指纹图像的细节点.     

可配置高速二维卷积处理器设计与Gabor滤波应用

针对具有多种大尺寸卷积内核的Gabor滤波器组,设计了可配置二维卷积处理器来实现硬件加速。该处理器利用FPGA(field programmable gate array)内部逻辑资源构建具有多级流水线的二维卷积运算单元,并通过子块分割及重组来支持任意尺寸的卷积运算。使用高级语言对其控制器编程来实现对卷积运算单元及数据流的配置,从而实现Gabor滤波。实验表明:使用EP2C70F896C6型FPGA工作在75MHz,对于120×90像素的灰度图像计算五尺度八方向Gabor滤波(最大尺寸为41×41像素,系数为复数)总耗时28.8ms。