应用Gabor纹理特征的水管内壁图像分类

Gabor滤波器在图像分析和机器视觉方面得到广泛应用.将Gabor滤波用于识别地下水管内壁图像,对管壁损坏程度进行分类.针对Gabor函数之间的非正交性,优化参数,尽量减少滤波输出数据中的冗余信息,使用一组不同频率响应和角度特性的Gabor滤波器获取图像块纹理信息,并用主分量分析(principal components analysis, PCA)对得到的高维特征向量进行降维.对提取的纹理特征进行k-均值聚类,实验结果验证了该方法的有效性.
     

基于Gabor滤波器的自适应指纹增强算法

指纹增强的目的在于改善指纹图像的质量,进而提高指纹识别系统的性能.提出了一种基于Gabor滤波器的指纹增强算法,算法采用梯度法计算纹线方向,利用指纹图像子块的频谱分布特征计算纹线频率,通过计算图像方向一致性来自适应地调节Gabor滤波窗口的大小,再采用具有可变角度带宽的低通滤波器进行滤波,有效地提高指纹的纹理清晰度,较好地避免奇异点区域的块效应.实验结果表明,算法具有良好的图像增强效果.     

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.     

基于多通道Gabor滤波的指纹图像二值化方法

为解决传统的直接利用图像全局或局部灰度特性的指纹图像二值化方法的不足,提出一种多通道Gabor滤波的指纹图像二值化方法。首先构造多通道Gabor滤波器组对规格化后的指纹图像提取不同方向纹线对应的主要频率成分。将获得的多通道的滤波响应图线性叠加形成单幅Gabor滤波叠加响应图。然后对其再次采用以上滤波器组滤波,分别求取各位置的最大Gabor响应构成最终的指纹滤波能量响应图。最后分块并求取块内阈值实现二值化。实验结果表明,该方法较基于灰度特性的方法鲁棒性更好,特别对存在粘连、噪声和断纹、孔洞等现象的指纹图像有较好的处理效果。     

一种新的Gabor滤波器在笔迹鉴别中的应用

针对Gabor滤波器在进行笔迹特征提取时,局部特征不显著和速度慢的问题,提出利用一种新的Gabor滤波器提取笔迹图像的特征,另外,考虑到滤波器参数的设置的重要性,详细分析了各参数对滤波后笔迹图像的影响,最后利用笔迹库进行实验取得满意的识别率。     

融合颜色与运动信息的视频显著性滤波器

根据人眼视觉的特点,提出一种融合颜色及运动信息的视频显著性滤波器.该滤波器分三个步骤检测视频图像的显著性区域:首先利用超像素分割算法将视频图像划分为若干视觉近似一致的紧凑子块;其次以统一的多维高斯滤波形式计算四个测度,分别表征每个子块的颜色独立性、颜色空间分布、运动独立性以及运动空间分布;最后同样通过多维高斯滤波对四个测度进行融合以生成视觉显著性图,进而检测出视频中的显著性区域.实验结果表明:与其他现有的显著性检测方法相比,该滤波器能更准确地检测出视频中的显著性区域.     

尺度自适应的分块核相关滤波目标跟踪算法

针对目标跟踪过程中由于遮挡导致的算法性能下降的问题,在分析和研究核相关滤波算法的基础上提出了一种尺度自适应的分块跟踪策略.首先从目标中心划分子块,使用融合梯度特征和颜色特征的局部核相关滤波器单独跟踪每个目标子块,并结合目标子块与整体间的位置约束关系得到目标中心位置的粗略估计,然后由全局滤波器用作初始估计以确定目标中心的...     

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).     

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.     

基于结构的指纹特征抽取方法

为了弥补传统的提取细节特征点的方法在小面积指纹图像识别上的不足，针对指纹脊线纹理结构进行了详细研究，分析了Gabor滤波器应用在纹理上的原理，建立了用于指纹识别的Gabor滤波器的物理模型，在此基础上设计了基于Gabor滤波器获取指纹特征的算法.首先提出了一种快速和简便的自动定位指纹图像中心点方法，以中心点为参考点在其周围确定特征提取区，根据Gabor滤波器的性质对其进行8方向滤波提取特征.通过在标准指纹数据库上的对比实验，显示了该方法的有效性.     

基于最优Gabor滤波器的织物疵点检测

织物的疵点检测在纺织工业生产的质量控制中起着至关重要的作用.针对织物疵点,论文提出一种基于最优Gabor滤波器的织物疵点检测算法.首先,针对4尺度4方向的16个Gabor滤波器,借助的方向模板对疵点图像滤波后的信息量确定2个最优方向;其次,综合信噪比和损失评价函数在2个方向的8个滤波器中各自选取1个最优滤波器;然后,对滤波后的疵点图像做融合和二值化,实现了疵点检测.从实验结果看,该算法能够有效地检测出织物疵点.     

Gabor滤波器在高分一号影像纹理提取中的应用

为了有效获取高分辨率影像的纹理特征,以覆盖黑龙江省穆棱市的高分一号影像为研究对象,选用在二维测不准的情况下对信号空间域和频率域描述最佳的Gabor滤波器进行影像的纹理特征分析提取。通过分析二维Gabor函数中不同参数之间的相互关系,计算自适应滤波器参数组,有效获取高分影像的纹理特征。结果表明:利用二维Gabor滤波器自适应参数组能够对遥感影像进行不同方向纹理信息提取,且30°,60°,120°,150°滤波方向上能明显提取纹理特征;当滤波器的中心频率稳定在0.27时,影像在120°方向的信息熵值达到了最高值5.823 6,说明在该频率该方向上提取到的纹理信息最丰富;采用最大似然分类方法验证Gabor滤波器的纹理特征提取效果,实验表明利用Gabor滤波器提取纹理特征辅助高分一号影像分类的Kappa系数和总精度分别达到0.843 2%和87.924 3%,明显高于不加入纹理特征的遥感影像分类精度的0.778 1和82.983 0%.证明Gabor滤波器能够较好提取高分辨率影像纹理信息特征。     

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。     

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.     

Gabor滤波器在带钢表面缺陷检测中的应用

利用Gabor滤波器具有频率选择和方向选择的特性,将其应用在带钢表面缺陷检测系统中,不但能够去除噪声,而且能够把缺陷的纹理特征完整地保留下来.引入评价函数使缺陷图像和无缺陷图像的能量响应差别最大化,以确定最佳滤波器参数.基于最优的阈值函数得到二值化图像,并应用形态学分析方法去除二值图像上小的噪声,得到分割后的缺陷图像.实验结果验证了该方法的有效性.     

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．     

指纹图像增强算法的改进

为提高Gabor滤波算法的运行效率,改善指纹图像的增强效果,提出一种改进的Gabor滤波实现方法。该方法将指纹图像分割成小块,以各小块中心点的方向和脊频作为块中每一点的方向和脊频,并对块方向进行量化,以量化方向序号为索引调用滤波模板对指纹图像滤波。滤波结果表明：改进的算法对指纹图像增强效果明显,处理速度快,对于质量较差的图像也具有较好的增强效果。     

基于Gabor滤波器组和特征分组神经网络目标识别

就模式识别中特征提取和分类决策两个阶段进行了研究．在特征提取方面，提供了一种用于提取图像不同中心频率和方位特征的Gabor滤波器组的设计方法；在分类决策算法方面，提出了一种基于图像的Gabor滤波特征的特征分组神经网络分类算法，该算法将一个复杂的模式识别问题分解为几个简单问题来处理，降低了问题的复杂度，同时还取得了一定的抗有限带宽噪声的效果．     

基于多通道Gabor滤波的纹理分割方法

根据视觉信息处理的多通道滤波理论,研究了基于多通道Gabor滤波的纹理分割方法.该方法以覆盖全部频率空间、8个滤波方向的Gabor滤波器组构造滤波通道,通过随机样本方差聚类分析,结合最小距离判别法,实现了图像纹理的准确分割.     

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。