基于Gabor及深度神经网络的葡萄种子分类

种子成熟度需要受过长期训练的专家通过肉眼进行观察和判断。为了改变传统人工经验判断的方式,该文提出了一种基于Gabor小波特征提取及深度神经网络的葡萄种子图像分类识别算法,以便实现高效、准确的分类识别效果。首先,利用背景差分法在背景图像中分割出兴趣目标,从而完成图像的预处理。然后,通过改进的Gabor小波特征提取,使得Gabor滤波后的图像具有更多的细节纹理信息。最后,将深度卷积神经网络和提取到的纹理特征信息相结合进行分类。实验结果表明,基于机器学习的葡萄种子成熟度识别是切实可行的。且相比于其他类似分类算法,本文算法的图像分类精度有了一定的改善。     

结合FFT和Gabor滤波器的织物纹理特征提取方法

针对织物表面纹理特征提取与表征的问题,提出一种结合FFT(傅里叶变换)和Gabor滤波器的织物纹理特征提取方法,通过傅里叶变换提取频谱楔特征(角向分布)和环特征(径向分布)作为特征角度和频率参数,设计2个最优Gabor滤波器,分别与织物纹理图像进行卷积,获得目标子图像,然后对子图像进行融合处理,达到提取纹理特征的目的。在线条图像纹理特征成功提取的前提下,应用到常见织物的纹理特征提取上,并与传统的Gabor滤波器提取方法进行对比。实验结果表明,结合FFT和Gabor滤波器的织物纹理特征提取方法是有效的,且提取结果优于传统方法。     

一种基于Gabor的第二特征匹配方法

提出一种基于Gabor变换的指纹第二特征匹配方法,包括指纹图像预处理、特征提取、匹配三部分.增强方面,针对低质量指纹的预处理,利用指纹的方向特性设计出Gabor滤波器,对指纹进行滤波,其增强效果明显;匹配方面,针对局部指纹图像不包括奇异点这样的结构,提出了通过第二特征点进行匹配.实验表明,基于Gabor变换的指纹第二特征向量匹配方法快速并具有一定的容忍度,特别是对于低质量指纹的识别,同时具有实用价值.     

基于Gabor变换和不变矩的掌纹识别研究

提出了一种将二维Gabor变换和不变矩特征相结合对掌纹图像进行特征提取,并采用多层前向反馈神经网络进行掌纹图像训练识别的方法。该方法首先对掌纹图像进行预处理,获得掌纹感兴趣区域(ROI),然后构造一组Ga-bor滤波器从而得到ROI的特征向量,结合掌纹图像的不变矩特征共同作为神经网络的输入进行训练识别。实验表明该方法的有效性。     

新型的无监督纹理分割方法

提出了一种利用Gabor滤波器组对图像进行纹理特征提取,然后将这些特征向量作为外部刺激输入给PCNN对图像进行分割的新方法。该方法既保持了精确的分割结果,同时又解决了Gabor滤波器运算数据量大处理速度慢的问题。从实验结果可以看出,该方法与传统采用Gabor的纹理分割方法相比速度有很大的提高,而其分割精度与传统分割方法相似。     

虹膜识别算法的研究

虹膜识别是一种非常可靠的身份鉴别方法.在讨论虹膜图像定位、增强等预处理方法的基础上,针对现有虹膜识别算法中存在的问题,提出了虹膜有效区域选择、特征提取及编码匹配的有效方法.在虹膜图像有效区域的选择上,根据虹膜图像自身的生物特点采用一种新的分割方法,使得到的图像纹理信息更充足;在图像的特征提取方面,采用Gabor小波变换,将频率分为2个频段,不同的频段选择不同Gabor尺度参数,并选择适当的位置参数;为解决虹膜图像的旋转对虹膜识别的影响,将获得的虹膜编码进行错位匹配.实验结果表明,所提出的虹膜识别算法效果较好.     

基于Gabor滤波器和深度学习的图像检索方法

针对图像数据库日渐庞大的问题,研究了将特征提取与深度学习相结合进行图像检索的方法,提出了基于Gabor小波变换和受限玻尔兹曼机(RBM)的特征提取和降维模型.将整幅图像划分成局部图像块,利用Gabor滤波器组提取图像特征,通过RBM对特征进行学习和编码,从而实现图像特征的降维处理.采用基于深度信念网络(DBN)和Softmax分类器的图像检索算法,利用Corel图像库进行新方法的图像检索实验,并与其他两种方法进行比较.结果表明,本文方法在准确率、查全率和检索时间上均具有较好的性能,能得到更好的图像检索结果.     

多视点空间目标识别方法研究

基于识别空间目标的需要,采用多视点特征法建立了绕双轴旋转的目标二维图像模型库,将常用滤波器和形态学相结合去除噪声并进行图像分割,得到了较好的分割效果.采用组合不变矩对分割后图像提取目标特征向量,并使用BP神经网络对其进行识别.实验结果表明:所提出的空间目标识别(space object identification,SOI)方法有效,可实现噪声干扰条件下运动卫星目标的识别.     

基于Gabor滤波器的手机按键特征提取

本文将应用Gabor滤波器对散乱分布在深色背景上的手机按键特征进行提取。通过选取合适的Gabor滤波器参数,并根据Gabor滤波器的参数,采用自适应搜索窗口对按键图像的滤波响应提取局部极大值作为特征点,并以特征点周围领域的能量之和作为按键的特征信息,并利用该信息进行目标图像与样本图像的匹配率运算,达到识别的目的。     

基于3D运动历史图像和多任务学习的动作识别

针对使用深度传感器采集的深度图像序列,在3D运动历史图像的基础上提出一种基于Gabor特征提取和多任务学习的人体动作识别方法。为了解决基于轮廓特征对运动历史图像不能充分表达的问题,引入Gabor滤波器组对3D运动历史图像进行特征提取;为了刻画在不同时间维度上人体动作的变化过程,引入时域金字塔对动作视频进行划分;最后,为了挖掘动作识别任务间的相关性,采用多任务学习训练动作分类模型。实验结果表明,该方法可有效提高动作识别的准确率。     

Gabor小波和SLLE在人脸识别中的应用

为了提高人脸识别算法的识别率,提出了一种基于Gabor小波和SLLE的人脸识别算法．该算法首先采用Gabor小波对归一化的人脸图像进行多方向、多分辨率滤波,并提取其对应不同方向、不同尺度的多个Gabor幅值特征,然后采用监督的局部线性嵌入算法对Gabor特征进行维数约简,最后使用最近邻分类器进行分类判决．在ORL、YALE人脸库上进行实验,结果表明,该算法平均识别率比其他算法提高3．5％～37．8％,有效提高了人脸识别算法的性能．     

Recognition of human face based on improved multi-sample

In order to solve the problem caused by variation illumination in human face recognition,we bring forward a face recognition algorithm based on the improved multi-sample. In this algorithm,the face image is processed with Retinex theory,meanwhile,the Gabor filter is adopted to perform the feature extraction. The experimental results show that the application of Retinex theory improves the recognition accuracy,and makes the algorithm more robust to the variation illumination. The Gabor filter is more effective and accurate for extracting more useable facial local features. It is proved that the proposed algorithm has good recognition accuracy and it is stable under variation illumination.     

Novel Method Fusing (2D)2LDA with Multichannel Model for Face Recognition

A fusion method of Gabor features and (2D)²LDA for face feature extraction is proposed in this paper. Gabor filters are utilized to extract multi-direction and multi-scale features from facial image to employ its robust performance for illumination, expressional variability and other factors. The extracted features have the defect of high dimension and redundancy data. (2D)²LDA is implemented to reduce the dimension of Gabor features and select effective feature data. Finally, the nearest neighbor classifier is used to classify characteristics and complete face recognition. The experiments are implemented by using ORL database and Yale database respectively. The experimental results show that the proposed method significantly reduces the dimension of Gabor features and decrease the influence of other factors. The proposed method acquires excellent recognition accuracy and has light architectures as well.     

基于特定方向多尺度稀疏编码的手掌静脉特征识别方法

为提高手掌静脉特征识别的准确率和效率,提出了基于特定方向多尺度稀疏编码(DMSC)方法.首先计算全局方向和局部方向,然后利用多尺度Gabor对划分的子区域进行独立的多尺度方向滤波,并使用稀疏编码方法进行特征提取,利用外形编码产生特征矩阵,使用标准化汉明距离方法对特征矩阵进行相似性判断.实验结果表明,DMSC方法的类间区分性较好,识别力和效率高于现有的手掌静脉识别方法.     

基于LGRP和多特征融合的人脸表情识别

针对复杂的Gabor滤波器直接抽取人脸特征数据存在一些冗余信息以及提取的表情特征较为单一的缺点,提出了基于LGRP和多特征融合人脸表情的识别方法。首先,提取人脸表情图像的Gabor多方向和多尺度特征,进一步编码得到局部Gabor排序模式(LGRP),以增强鲁棒性以及区分能力;其次,引入Haar小波和Otsu阈值分割法分别提取表情特征,通过级联融合3种不同的特征,可以全面地表达图像的局部特征和全局特征;最后,采用支持向量机(SVM)对人脸表情进行多分类。在CK+表情库上进行仿真实验,平均识别率达到94. 36%。与其他方法的比较结果表明,该方法取得了很好的识别率和鲁棒性。     

基于2D Gabor滤波器和LBP的车牌识别研究

本文提出一种基于2DGabor滤波器和LBP的车牌识别方法,与基于2DGabor滤波器的方法相比,该方法降低了图像维数,识别时间短,识别精度高。首先利用2DGabor滤波器对归一化后的图像进行低通滤波,然后使用LBP提取车牌纹理特征,最后用支持向量机作为分类器。在课题组自建的车牌库上进行实验,取得了94.3%的识别率和每张图像0.291s的识别时间,说明该方法基本满足实际需要。