基于Gabor滤波器的航空图像水面纹理自动提取

本文提出了一种基于Gabor滤波器的水面尾迹纹理的自动提取算法.该方法分为两步第一步,选取等大小的含尾迹纹理的水面子图像和不含尾迹纹理的水面子图像,通过一组GaBOR滤波器得到它们的特征图像,计算每个子图像特征图的均值和方差,将它们作为神经网络的训练样本对BP网络进行训练得到用于识别的网络;第二步,将待提取的整幅图像分成很多与第一步中子图像等大小的子图像,分别计算它们的Gabor特征图像,并得到它们的均值和方差,把它们作为神经网络的输入,得到它们是否是纹理区域,由整幅子图像的识别结果得到一幅二值图像,用Hough变换检测图像中的直线,根据直线的长度是否有尾迹存在.大量的实验结果表明该方法能够准确地提取尾迹纹理.     

一种基于多通道Gabor滤波的纹理提取方法

研究了一种在多种纹理叠加的复杂轮胎X光图像中进行纹理提取的新方法.轮胎X光纹理在频谱中被看作是局部空间频率的辐射模型,并且不同纹理对应的主频率聚集区域基本能相互分开.基于Gabor滤波器对空间频率的带通滤波能力以及方向、形状、带宽和通带中心频率的可调节特性,构造了多通道Gabor滤波器组提取每种纹理对应的主要频率成分,提取的频率成分经过频-时域变换就实现了纹理提取.考虑到实际纹理灰度分布不是理想的正弦分布,改进了传统的Gabor滤波方式,使其保留了纹理的低频成分.实验结果表明,图像中叠加的多种纹理能被准确提取,纹理区域边界也没有失真,并且有效降低了纹理之间频谱混迭造成的影响.     

基于火焰图像的回转窑烧成状态识别方法研究

烧成带状态的准确识别是回转窑烧结过程中最为关键的一环.给出了一种新颖的基于火焰图像的烧成状态识别方法.首先,基于一种新颖的设计方法得到的压缩Gabor滤波器组作为预处理阶段,增强具有不同纹理特性的物料区域和火焰区域的可分性.然后,对预处理后的火焰图像采用主成分分析寻找特征火焰图像,通过关联每幅火焰图像与特征火焰图像提取火焰图像的全局特征向量,最终经由概率神经元网络分类器对特征向量进行分类识别.实验结果表明了该方法的有效性.     

基于纹理特征分割的船闸图像水位检测方法

由于船闸水位检测受船闸图像中墙体的污渍以及水体中的漂浮物影响,提出基于纹理特征分割的船闸图像水位检测方法。针对船闸图像中墙面与水面不同的纹理特征,运用Gabor小波变换提取船闸水位纹理特征图像,采集水位线候选点并运用RANSAC算法排除外点提取水位线。与现有检测算法对比,该方法的实验结果具有较小的检测误差,误差小于14个像素值。     

基于多通道Gabor滤波与灰度梯度共生矩阵的虹膜识别方法

为有效改善虹膜识别系统的性能,针对传统方法提取全局特征时对局部纹理特征不敏感的问题,提出了一种基于多通道Gabor滤波和灰度梯度共生矩阵（GGCM）的虹膜识别方法。使用不同方向和尺度的Gabor滤波器组对预处理后的虹膜图像滤波,由全局滤波图像构建灰度梯度共生矩阵,提取特征值生成虹膜特向量。识别过程采用加权欧氏距离进行特征匹配。CASIA虹膜图像库实验表明,该方法能在保证识别系统实时性能的前提下使EER下降0.5%。     

基于Gabor与瑞利分布型滤波器的虹膜识别法

提出了一种基于Gabor与瑞利分布型滤波器的虹膜识别算法,通过对虹膜纹理采用Gabor变换来获取其频谱信息,并对频谱信息进行分析证明了符合瑞利分布,最后使用瑞利分布型滤波器来提取虹膜的特征。实验结果表明,该算法识别率高并可用有效地应用于虹膜身份鉴别系统中。     

软性电路板金面缺陷的无监督检测

为实现软性电路板(FPC)金面缺陷的准确自动检测,提出了一种以Gabor滤波器和Mean Shift聚类算法为基础的完全无监督FPC金面缺陷检测方法。首先,用Gabor滤波器组、数学形态学与Gaussian平滑处理抽取待检测图像的多维特征;然后,使用主元分析(PCA)将每个像素特征维数降为二维;最后,使用Mean Shift方法对二维特征数据进行聚类并将聚类的结果转化为二值图像。整个检测过程无需预先知道缺陷的类型和FPC金面的纹理类型,是一种完全无监督的检测方法。对带有各种缺陷的FPC金面进行检测实验,结果表明,该方法能够准确地将各类缺陷区域从背景区域中分离出来,具有自动缺陷检测系统所要求的识别能力强、稳定性高的特点。     

基于Gabor小波的浮选泡沫图像纹理特征提取

矿物浮选泡沫表面纹理是浮选工艺指标高低的重要指示器,为了获取泡沫图像纹理的细微差别进而对浮选生产状态进行机器识别,提出一种基于Gabor滤波的泡沫图像纹理特征提取方法。首先利用Gabor小波提取了泡沫图像多尺度与多方向上的泡沫纹理幅度谱(GMTR)与相位谱(GPTR);然后根据GMTR与GPTR的分布特征,通过估计GMTR的Gamma分布参数和计算GPTR的熵作为泡沫纹理特征参量;最后,利用所提取的泡沫纹理特征对浮选工业生产状态进行无监督的模糊聚类分析与有监督的生产状态识别。实验结果表明,该纹理特征提取方法能有效地获取各种浮选状态下泡沫表面纹理的细微差别,基于该纹理特征参量的浮选状态识别准确率高于90%。     

Gabor变换在轮胎X光图像处理的应用

在轮胎X射线检测图像中,钢丝帘线的不同排列方式构成不同的纹理图像。Gabor函数可提取图像在频域不同尺度和方向的特征,因此采用基于Gabor和Log-Gabor小波对轮胎X射线图像进行特征提取的方法,并用K-means方法进行图像聚类,实现了轮胎不同纹理图像的分割;采用Log-Gabor函数提取不同方向的纹理特征,并对提取结果进行比较,可检测带束层钢丝帘线疏线或顺线缺陷。     

基于Gabor小波的TOFD图像缺陷识别研究

针对运用超声衍射时差法（TOFD）法对焊缝进行检测时,图像缺陷人工定性主要受检验人员经验和专业知识影响缺乏可靠性的问题,提出了一种TOFD图像缺陷自动定性的方法.该方法首先提取TOFD缺陷图像的Gabor小波特征,并依据这些特征,采用主成分分析技术（PCA）对Gabor特征进行降维,然后采用Fisher线性判别分析方法对其进行了判别分析,最后完成了缺陷的自动定性分析;同时,建立了一个实际系统,并在测试样本上进行了试验验证,试验在109幅人工试块缺陷及自然缺陷训练样本及25幅测试样本中进行,采用Gabor小波特征及原始图像像素特征所构建的缺陷分类器识别率比较.研究结果表明,基于Gabor小波特征的缺陷识别方法识别率达到72％,比原始图像特征的缺陷识别方法更优.