基于ROEWA和Gabor滤波的SAR图像边缘提取

针对合成孔径雷达(SAR)图像特有的乘性噪声和非恒虚警统计特性很难正确提取目标边缘的问题,提出了在指数加权均值比(ROEWA)算子基础上寻找自适应的最佳局域Gabor滤波器进行目标边缘提取的方法。利用Gabor滤波器具有的多方向特性确定边缘方向,然后用最大似然估计纠正错误边缘方向,重新结合视觉细胞倍频程计算出Gabor函数的最佳局域滤波参数,提取出SAR图像的正确边缘。实验表明,该方法取得很好边缘提取效果,并且后期分割出的目标更符合实际目标形态,具有较强的通用性。     

基于Gabor滤波器的Sobel算子图像边缘检测算法

Sobel算子对图像进行边缘检测时,只对垂直与水平方向敏感,使得一些边缘检测不到,从而限制了Sobel算子的检测性能。针对此问题,文中提出了一种基于Gabor滤波器的边缘检测算法,先对图像进行Gabor变换,找出不同方向上人眼敏感程度低的系数,再用Sobel算子对变换过的图像进行边缘检测,最后把此图像与直接用Sobel算子检测的图像相加。实验表明,该算法改善了Sobel算子检测方向单一的不足,包含较多的边缘信息。     

基于Gabor滤波器的Sobel算子图像边缘检测算法

Sobel算子对图像进行边缘检测时,只对垂直与水平方向敏感,使得一些边缘检测不到,从而限制了Sobel算子的检测性能.针对此问题,文中提出了一种基于Gabor滤波器的边缘检测算法,先对图像进行Gabor变换,找出不同方向上人眼敏感程度低的系数,再用Sobel算子对变换过的图像进行边缘检测,最后把此图像与直接用Sobel算子检测的图像相加.实验表明,该算法改善了Sobel算子检测方向单一的不足,包含较多的边缘信息.     

基于Gabor滤波器的边缘检测方法

本文给出了一种基于Gabor滤波器的边缘检测方法,分析了该方法的性能指标,并与其它常规线性边缘检测算子性能做了比较,得出了结论。     

基于增强指数加权均值比的SAR图像边缘检测算法

研究学者们认为指数加权均值比(ROEWA)算子存在无法计算SAR图像边缘方向的缺陷。为此,进行了一些通过方向滤波器为ROEWA算法施加方向的工作。该文对ROEWA算法进行了深入的探讨和分析,通过对ROEWA算法卷积过程的进一步推导,获得了ROEWA算法像素级的观测公式。根据推导结果,提出了一种增强的ROEWA(EROEWA)边缘检测算法。首先,利用新的卷积策略将ROEWA的公式项解耦,获得了4个方向的指数加权均值;然后把SAR图像旋转45,再利用新的卷积策略获取额外的4个方向的指数加权均值;最后,将8个方向的指数加权均值表示成8个矢量,通过矢量合成求出边缘强度和边缘方向。实验结果表明,提出的EROEWA算法不仅具有优秀的边缘方向计算能力,与ROEWA算法相比,边缘强度的提取也有显著的增强效果。     

基于Gabor滤波器的车道线快速检测方法

针对在全景相机获取到的高交通信息量的复杂场景下传统Canny算子很难实时且鲁棒地提取车道线特征的问题,提出一种基于Gabor滤波器的最优方向区间快速检测算法。首先利用同心圆环近似展开法将全景图像展开成矩形图像,然后对展开图像进行不同相位角的Gabor滤波处理,快速得到使车道线边缘清晰度达到最高的方向区间。在Canny算子检测边缘过程中,只对处于该区间内的边缘点进行非极大值抑制及进一步处理,实现车道线的快速检测。最后算法在实拍的500帧视频样本上进行测试,识别率优于94.2%。结果表明所提算法不易受复杂环境影响,可用性强,有效地提高了车道偏离预警系统的实时性与稳定性。     

基于Gabor小波和神经网的人脸检测

论文提出了一种基于Gabor滤波特征和的正面人脸检测方法。算法首先利用了Gabor滤波器的良好的空间位置与方向的选择特性,采用了四种方向的Gabor滤波器提取人脸样本图像特征并送入神经网路进行训练。实验结果证明该方法行是十分有效的。     

基于2-DGabor滤波器的光学定穴体表特征提取方法

取穴准确性是决定针灸效果的最基本要求,这就需要对取穴体表特征进行精确地定位。文中提出一种新的人体体表特征定位的光学方法,在光学检测平台上通过相机采集不同方向的图像,选取合适的Gabor 滤波器参数,得到图像的强度响应并提取局部极大值,从而获得定穴体表轮廓特征。为验证该方法的有效性和精度,采用Sobel 算子、Canny 算子、LoG 算子以及Gabor 滤波器分别对灰度图像和二值图像进行特征提取。通过对比和分析,发现经过Gabor 函数滤波后得到的图像轮廓是连续且最清晰的;Gabor 函数对二值图像的滤波效果优于对灰度图像。实验结果表明,所提出的方法能精确快速地定位体表轮廓特征,为进一步利用轮廓特征提取定穴体表特征点以及研究穴位光学定位方法奠定基础。     

基于消失点迭代重估的道路边缘检测

传统道路边缘检测算法很少能用于乡村道路。该文提出基于消失点迭代重估的道路边缘检测方法:Gabor滤波器估计像素纹理方向,同时计算对应的置信度;根据纹理方向,由置信度大于阈值的像素投票确定初始消失点;以初始消失点为起点,向下建立一组射线,并计算由颜色差和二倍角正弦函数加权的方向一致率,将最大值对应的射线作为初始道路边缘;交替采样两侧边缘,选取最优消失点,由此得到两条道路边缘。实验测试了不同类型的乡村道路图片,并与经典算法对比。结果表明该方法在乡村道路中具有较高精准度与鲁棒性。     

基于广义B样条滤波器的图像边缘检测

为了更准确有效地提取图像边缘,提出一种基于广义B样条数字滤波器的边缘检测算法.首先由线性微分方程推导出广义B样条的一般形式.其后,利用广义B样条函数组建了边缘检测微分算子模板,该模板继承了广义B样条尺度因子α,通过调节α,可以改变边缘算子滤波器的幅值特性和带通特性,进而获得边缘表征的最佳效果.而后,结合变分公式和广义B样条函数构造广义B样条光滑滤波器,该滤波器实现了在光滑滤波意义下的直接样条变换,与边缘检测模板算子配合使用可提高边缘检测的抗噪能力.实验证明：该边缘检测算法能有效地检测出图像边缘,无论是边缘提取效果还是抗干扰能力都优于传统的差分算子.     

Robust transient signal detection using the oversampled Gaborrepresentation

The Gabor representation has been investigated previously as an effective and efficient means of detecting transient signals. The major problem associated with the most commonly used form of the Gabor representation is that it assumes that signals have integer arrival times and modulation frequencies-an assumption that, if violated, causes signal miss-match and deterioration in detector performance. The present correspondence presents the concept of oversampling the Gabor representation, which makes the representation more robust to certain types of signal mismatch. To show this, the performance of an oversampled Gabor detector is compared to that of critically sampled Gabor detectors. Gabor coefficients are calculated in the oversampled representation via the least squares method, which has been shown to be superior to the more commonly used biorthogonal function method in terms of corresponding detector performance     

基于局部边缘二值模式的图像检索

在定义局部边缘的基础上提出了局部边缘二值模式(LEBP),并结合Gabor滤波器将其扩展到多分辨率LEBP(MLEBP)。对传统的中心对称局部二值模式(CS-LBP)和方向局部二值模式(D-LBP)进行了改进,新描述符在不增加计算复杂度和提高特征维数的基础上,进一步融入了局部边缘信息。为验证新描述符的性能,采用3个通用的纹理图像库进行图像检索实验。结果表明,结合本文方法,明显提高了传统描述符的分辨能力。     

基于Gabor滤波器的喷丝板疵点检测

疵点检测是现代纺织工业产品质量控制中的关键环节之一,对保证聚酯纤维纺织品质量具有重要的现实意义。由此本文提出了一种基于Gabor滤波疵点检测方法。该检测方法通过Gabor滤波处理,使特定方向与特定频率的疵点位置初步被过滤呈现出来,之后通过边缘检测算法计算图像中待检测的疵点位置,准确获得疵点在图像中的位置。仿真实验结果表明,该方法在工厂坏境情况下,高效的识别出喷丝板的疵点位置,有效地提高检测准确度,可满足无损检测要求。     

一种提高SAR图像分割性能的新方法

针对传统小波变换域SAR图像分割存在边缘保持和方向分辨率较差的不足,该文提出了一种在非下采样Brushlet变换域提取图像灰度共生概率特征的新方法。该方法在Brushlet的不同方向系数块中利用自适应窗口的Gabor滤波器提取灰度共生概率特征,有效地解决了实际操作中的最优窗口尺寸的选取问题,并利用压缩感知来对冗余的特征进行压缩,降低了聚类复杂度。最后使用模糊C均值聚类,得到分割结果。实验结果表明:该文方法与其它方法相比在边缘保持和方向分辨上有明显优势,获得了更好的分割结果。     

Contour detection based on nonclassical receptive field inhibition

We propose a biologically motivated method, called nonclassical receptive field (non-CRF) inhibition (more generally, surround inhibition or suppression), to improve contour detection in machine vision. Non-CRF inhibition is exhibited by 80% of the orientation-selective neurons in the primary visual cortex of monkeys and has been shown to influence human visual perception as well. Essentially, the response of an edge detector at a certain point is suppressed by the responses of the operator in the region outside the supported area. We combine classical edge detection with isotropic and anisotropic inhibition, both of which have counterparts in biology. We also use a biologically motivated method (the Gabor energy operator) for edge detection. The resulting operator responds strongly to isolated lines, edges, and contours, but exhibits weak or no response to edges that are part of texture. We use natural images with associated ground truth contour maps to assess the performance of the proposed operator for detecting contours while suppressing texture edges. Our method enhances contour detection in cluttered visual scenes more effectively than classical edge detectors used in machine vision (Canny edge detector). Therefore, the proposed operator is more useful for contour-based object recognition tasks, such as shape comparison, than traditional edge detectors, which do not distinguish between contour and texture edges. Traditional edge detection algorithms can, however, also be extended with surround suppression. This study contributes also to the understanding of inhibitory mechanisms in biology.     

基于Gabor小波变换的机载SAR海面风向反演方法

给出了一种基于Gabor小波变换的机载合成孔径雷达（SAR）海面风向反演的新方法。该方法利用Gabor小波对SAR图像进行二次小波分解,并对小波系数作FFT变换来获取图像谱,其低波数谱连线的垂线方向就是海面风场的风向。利用该方法获得了SAR图像海面风向信息,并与àtrous算法反演结果、浮标测得的海面风向（真值）进行了比较。实验结果表明,采用该方法获得的机载SAR海面风向反演结果与海面浮标实测数据吻合,比àtrous算法有较大改进。     

利用Gabor小波系数融合进行图像增强的研究

在传统图像增强技术的基础上,提出了一种基于GABOR小波系数融合的图像增强方法。通过Gabor小波对图像进行滤波,产生八个方向的滤波图像系数,对这些图像系数用求平均值融合方法得到图像边缘图,再融合经传统空域增强方法得到的直方图均衡化图像以产生最终增强的边缘信息以便于分析处理的图像。