利用颜色和纹理特征的图像检索技术研究

提出了融合颜色和纹理特征的图像检索算法.在颜色特征的提取中,提出了一种矩形重叠式分块策略对图像进行分块.在对纹理特征提取中,提出了利用共生矩阵对图像的整体区域有着较好的处理效果以及Gabor小波变换对图像中的局部区域的频率和方向信息的优异性能.利用归一化理论,融合3种不同特征.并通过实验证明该方法能够提高图像的检索性能.     

结合Gabor小波变换与2DKDA特征提取的人脸识别

提出了一种结合Gabor小波变换和二维核判别分析(2DKDA)的新型特征提取方法.算法首先对人脸图像进行Gabor变换,然后通过二维核判别分析进行特征提取,可以很好地保留图像的几何特征和非线性特征.通过在标准人脸数据库上的测试表明,该方法较其他传统的二维特征提取方法具有更高的识别效率.     

新生儿疼痛面部表情的特征提取

针对新生儿的疼痛表情识别,提出了将Gobor小渡变换与改进的KDA相结合的特征提取方法.首先时新生儿面部图像进行Gabor变换,然后针对变换后的Gabor特征,用一种改进的核鉴别分析方法对它进行二次特征提取.该方法从根本上解决了表情识别中因小样本问题而引起的核类内离散度矩阵(kernel within-class scatter matrix)奇异性的问题.最后,对提取的特征用支持向量机进行了疼痛表情的分类识别.实验结果表明,此表情特征提取方法能够显著改善表情识别系统的性能.     

种用于单字符字体识别的汉字特征提取新算法

本文主要论述了在单字符字体识别中汉字特征提取的新算法。首先使用小波变换对汉字进行分解,然后提取分解后的高频子图像的能量特征;在根据汉字不同字体的特征提取低频子图像的字符轮廓结构特征。     

基于支持向量机的车牌字符识别

作者将支持向量机SVM方法用于车牌字符的识别.算法首先采用Gabor变换和外围轮廓结构特征提取的方法提取车牌字符图像的特征参数,然后采用提取的特征训练SVM分类器,再应用SVM分类器分类和判别车牌字符.实验表明这种方法具有良好的车牌识别效果,较强的鲁棒性,较大的应用价值.     

基于k-近邻分类匹配的虹膜识别技术与应用

利用虹膜图像中丰富的结构和纹理特征作为身份鉴别的依据,与其他生物特征识别相比,具有更高的可靠性.虹膜识别系统包括虹膜图像采集、虹膜图像预处理、特征提取、匹配与识别等部分.该文提出一种基于k-近邻分类器虹膜识别方法,该方法先对虹膜图像进行定位、归一化和增强等预处理,利用Gabor滤波实现虹膜纹理特征的提取,再用k-近邻分类器进行匹配,达到了识别的目的.实验结果表明,该方法是可行的.     

碎片图像字符特征提取方法研究

字符特征提取是含文字碎片图像拼接的关键环节,直接影响拼接效果。提出了一种包含文字信息的碎片图像特征提取方法,首先,对原始碎片图像进行预处理,分别得到字符和碎片背景的二值图像;然后,利用边缘检测算子提取字符和碎片背景的单像素边缘;最后,利用结构算子检测碎片图像中字符与碎片背景边缘的交叉点,并根据交叉点的信息提取字体边缘方向特征。仿真实验结果表明本文提出的碎片图像字符特征提取方法思路合理,能够快速、准确地提取出碎片图像中的字符特征,为后续的匹配拼接奠定基础。     

基于EMD和SVD的虹膜特征提取及识别

为克服小波变换和Gabor滤波器提取虹膜特征时小波基函数固定和Gabor滤波器参数需优化选择的问题,提出了一种基于经验模态分解(EMD)和奇异值分解(SVD)的虹膜特征提取方法.首先,对预处理后的虹膜图像进行EMD,将获得的一系列固有模态函数和残差分量构成初始矩阵;然后,对该矩阵进行SVD,以其奇异值作为虹膜特征向量:...     

模糊模式的手写数字识别技术研究与实现

通过对CCD传感器获得的邮政编码的24位bmp图像进行仿真和数字识别,提出了一种基于色素的二值化方法,分别提取了邮政编码框格线的二值图像和邮件字符的二值图像;对图像处理的过程进行了分析,它包括邮编框边缘检测和分离、图像的二值化、平滑去噪、倾斜矫正、邮编数字的提取、位置归一化处理、数字图像的细化、字符识别特征提取等。首先对图像识别的预处理过程进行了阐述,然后再对预处理过的图像进行特征字符提取,并对邮件编码框格和字符进行角度修正,最后判断识别结果;在此方法中避免了框格线和编码字符线分割的困难;为了提高识别率,研究使用了手写数字多种方法的复合,使邮件编码的识别率得到了提高;实验表明:该方法可以获得较高的识别率,为邮政系统中分拣识别技术提供了参考。     

基于归一化单元转动惯量特征的二值商标图像检索

由于计算量的限制和不精确的特征提取方法,使得大多数的图像特征提取方法无法有效地解决图像的检索问题.为了解决这一问题,提出一种基于归一化单元转动惯量特征的商标图像检索方法.该方法首先将商标图像划分为若干个单元子图像,然后分别提取各个单元子图像的归一化转动惯量不变特征,最后使用欧式距离度量图像中的归一化单元转动惯量特征矢量之间的相似性.对图像库中2000多幅商标图像实验表明,归一化单元转动惯量特征具有良好的旋转、平移、尺度以及变形不变性,得到的检索结果能够很好地满足人的视觉感受.     

改进的Gabor变换图像纹理特征提取方法应用研究

提出一种具有近似旋转不变性的改进Gabor小波变换纹理特征提取方法,由小波变换系数模的均值和标准方差组成特征向量表示图像内容,利用10幅Brodatz纹理图像经过旋转、分割组成的图像数据库进行了检索测试,并与传统Gabor变换和二元树复小波变换特征提取方法的分类结果进行了比较分析,实验表明本文方法有效地提高了图像检索精度.     

融合FLBP和Gabor小波的图像轮廓提取算法

为了解决现有图像边缘提取算法对于局部区域特征提取效果不佳不清晰的问题,提出一种模糊局部二值模式Gabor边缘检测算法(fuzzy local binary-Gabor).该方法首先利用Gabor小波对图像进行第一次处理,降低图像中由于光照变化和噪声对图像产生的影响,再用模糊局部二值算法(模糊数学与局部二值法的结合)将处理过的特征图片进行第二次处理得到相应的轮廓提取特征图.结果证明,该算法确实对目标区域有较好的检测率,得出该算法对于图片轮廓的提取确实有很好的效果.     

基于Gabor小波变换与支持向量机的人脸识别

提出一种将Gabor小渡变换与支持向量机相结合的人脸识别算法。首先用Gabor小波对人脸图像进行特征提取,由于变换后的特征维数较高,所以要对变换特征进行降维。本文采用一种改进的二维主元分析方法实现。最后采用支持向量机进行人脸的分类识别。在ORL人脸库中对算法进行了测试．结果表明该算法识别率较高。     

粗网格在印刷体藏文特征提取中的应用

运用粗网格理论,提出了一种基于改进的粗网格的藏文字符特征提取方法.用该方法提取的字符特征能有效地减少因图像中像素位置变化造成的识别率下降的影响.并在一定程度上克服了藏文字符过多而造成的误识别率过高的缺点.与方向线素法相比较,该方法对印刷体藏文字符特征提取具有比较高的识别率.     

一种改进的基于Gabor小波的人脸识别方法

针对人脸识别中传统的Gabor小波方法存在特征维数高、识别时间长、存储开销大的缺点,提出了一种结合奇异值分解和Gabor小波的改进方法.首先通过Gabor小波变换对人脸图像滤波得到特征图像,然后对训练集的特征图像进行奇异值分解获取基空间,将人脸图像投影到统一的基空间提取奇异值特征,再选择一定数量的奇异值构成人脸鉴别矢量,最后采用最近邻分类器进行识别.在ORL人脸库上的实验结果表明,该方法在识别性能上优于单一的Gabor小波方法.     

基于归一化单元转动惯量特征的二值商标图像检索

由于计算量的限制和不精确的特征提取方法，使得大多数的图像特征提取方法无法有效地解决图像的检索问题．为了解决这一问题，提出一种基于归一化单元转动惯量特征的商标图像检索方法．该方法首先将商标图像划分为若干个单元子图像，然后分别提取各个单元子图像的归一化转动惯量不变特征，最后使用欧式距离度量图像中的归一化单元转动惯量特征矢量之间的相似性．对图像库中2000多幅商标图像实验表明，归一化单元转动惯量特征具有良好的旋转、平移、尺度以及变形不变性，得到的检索结果能够很好地满足人的视觉感受．     

基于Gabor特征与卷积神经网络的人体轮廓提取

为解决传统方法无法精确分割单幅图像中人体轮廓的问题,提出一种将Gabor小波特征与卷积神经网络结合的人体轮廓提取方法。首先计算人体图像8个方向的Gabor特征,并将计算结果传入改进的卷积神经网络进行人物模型训练;再将待测图像计算Gabor特征后传入人物模型进行检测,从而输出人物掩膜;对掩膜进行形态学处理并同原图像进行相与操作,最终得到人体轮廓。经VOC2012数据集上测试,该人体轮廓提取方法的准确度高达96%。实验结果表明,通过将传统特征提取方法与深度学习的特征学习方法相结合,不但提高了特征学习的速度还提高了检测的准确度。     

基于小波和Beamlet变换的图像线特征提取

Beamlet变换是多尺度几何分析的有效工具之一。本文提出了一种基于小波变换和Beamlet的图像线特征提取算法,利用小波变换凸显图像的线特征,再通过Beamlet变换提取图像线特征,实验结果表明了该方法有效。     

指纹图像增强的一种新方法

指纹增强技术可以有效地增强指纹的脊线特征,为指纹细节提取和匹配提供可靠的基础.文章提出了一种基于Fourier变换和Gabor滤波的指纹图像增强新方法,首先通过快速傅立叶变换将指纹图像变换到频域,然后在频域分方向进行Gabor滤波,最后对合成的图像进行傅立叶逆变换.部分指纹图像的实验结果表明,该方法具有较强的有效性和鲁棒性.     

基于Gabor特征与支持向量机的字符识别系统研究

利用计算机进行字符自动识别与录入的技术对机器翻译、数据挖掘、人工智能等都有着重要的理论意义和实用价值,基于数字图像处理技术的字符识别是其中的一个重要发展方向。文章重点研究了字符特征提取和匹配识别这两个影响字符识别效果的因素,根据中文字符笔画的方向特点,选择了对图像方向特征敏感的Gabor变换作为特征提取方式,在获取字符的特征向量后,先利用最小距离分类器进行预分类,再利用最小距离分类中产生的候选样本集训练SVM分类器,识别时只需利用候选集分类器依次判决,降低了训练和识别工作量,同时提高了识别效率。实验表明,系统对网站导航字符平均识别率达94%以上,具有一定的理论意义和实用价值。