多尺度Gabor小波变换在图像检索中的应用

在基于内容的图像检索中,纹理特征是一种重要而又难以描述的特征。为提高图像检索中纹理特征的提取效率,通过对Gabor滤波器滤波特点的研究,提出一种基于多尺度Gabor小波纹理的图像检索方法。设计了一组具有多种尺度和多个方向的滤波器组,选择并优化滤波器组的各参数,对图像进行滤波和特征提取。设计并实现了一个基于Gabor纹理...     

结合Gabor滤波器和ICA技术的纹理分类方法

提取有效的特征用于纹理描述和分类一直是纹理分析的难点.本文提出一种结合Gabor滤波器和ICA技术的纹理特征提取方法,即纹理图像首先经过Gabor滤波器组滤波,然后由滤波图像直接构建高维特征矢量;再将这些高维特征矢量通过主成分分析PCA进行降维,最后采用ICA技术分析和提取降维后的特征矢量中的独立成分用于纹理分类.通过与经典Gabor滤波器和ICA方法的对比实验,验证和评价了本文方法的性能.     

基于Gabor环滤波的纹理分割方法

针对纹理分割问题,提出了一种在频率域呈环形分布的Gabor滤波器组(Gabor环)的设计方法,在能量意义下给出了自适应选择滤波环带的步骤,并给出了经Gabor滤波后纹理特征的计算公式。根据给定Gabor滤波器环具有的多方向特性对不同纹理图像进行滤波,然后计算滤波后各点特征,并利用这些多方向特征进行纹理分割。实验表明该方法能取得较好的分割效果,并具有很强的通用性。     

基于Gabor变换的图像纹理识别

提出了一种改进的Gabor变换的图像纹理增强算法,将空域的纹理图像变换到联合空间频率域并将联合空间频率域的能量分布作为掌纹的特征,Gobar滤波器在频域内对子块其主方向上频率能量分布进行滤波,特征向量进行了匹配识别,增强特征纹线信息并对核心区域进行多方向空间频率能量滤波合成,同时也对滤波算法进行了优化,有效地减少了运算量.实验证明,该套增强算法运行稳定,效果好,可有效提取纹理图像特征纹线信息.     

用于虹膜特征提取的Gabor滤波器参数选取方法的研究

分析了Gabor滤波器各参数在纹理特征提取中的作用,建立起一套完整的适用于虹膜纹理特征提取的滤波器分析与参数选择方法.该方法通过纹理宽度确定Gabor滤波器的频率调制因子,冉根据其它参数与频率调制因子的关系确定各参数取值.实验结果证明依据本文方法设计的滤波器组提取虹膜纹理特征效果好,可以达到比较高的识别率.     

一种基于可变长起主导作用特征(VLDF)的人脸识别算法

为了从Gabor滤波后的图像中提取简单有效、区分力强的人脸特征,提出了一种基于可变长起主导作用特征(VLDF)的人脸识别算法.即首先人脸图像与不同尺度、不同方向的Gabor滤波器进行卷积运算,然后利用局部二元模式(LBP)算子提取滤波输出的纹理特征,并根据纹理特征的统计分布规律,采用数量可变的起主导作用的纹理模式作为人脸的VLDF特征.最后构造了VLDF人脸特征之间距离的计算方法.该算法具有较小的特征向量维数和高的rank-1识别率.在FERET人脸数据库上的仿真结果验证了算法的高效性.     

一种改进的基于Gabor滤波器的纹理分割方法

本文深入分析了Gabor滤波器的性能及其实现纹理分割的原理，针对现有的基于Gabor滤波器纹理分割方法存在的不足，提出一种根据“频谱特征值向量”构造Gabor滤波器组，以实现纹理分割的改进方法。实验结果表明，本文所提改进方法的分割效果明显优于现有方法，充分证实该方法行之有效。     

基于纹理特征与BP神经网络的运动车辆识别

在Gabor小波滤波器组与图像卷积值作为特征向量达到很高识别率的基础上,提出了一种特征值加权的Gabor小波纹理特征的提取方法.首先Gabor小波函数与纹理图像做卷积,然后加权处理尺度各不相同和方向各不相同的的卷积值,最后将均值和方差看作它们的特征向量,该方法使特征维数有所降低,并利用BP神经网络进行训练和仿真,实现运动车辆纹理图像的自动分类,达到运动图像的识别.实验结果表明此算法有效降低了图像的识别错误,增强了稳健性,对质量差的图像能够有效识别.     

夜视图像自动彩色化源图选择算法

研究可供夜视图像进行色彩传递的自然彩色源图选择算法。利用Gabor滤波器能够模拟生物视觉的特性以及夜视图像的纹理特征,对结合Gabor滤波器和灰度共生矩阵源图检索算法做出了改进,提出了一种结合Gabor滤波器和灰度梯度共生矩阵的源图选择算法。最后对这两种算法和亮度梯度二次采样算法进行了比较,实验结果证明,改进的算法远远优于其他两个,减少了图像色彩传递应用过程的人工干预程度,大大提高了自动化水平。     

基于局部频率特征和局部方向特征的虹膜识别算法

描述了一种不同于现有方法的新颖虹膜识别算法,利用多尺度多方向的二维奇对称Gabor滤波器,同时提取虹膜纹理的局部频率特征和局部方向特征.这种方法更全面的描述了虹膜纹理的特征空间,克服了之前的虹膜识别算法只提取局部频率特征或者只提取局部方向特征的局限性.特征匹配采用类似加权市街距离的方法来进行,而且根据眼睑和睫毛的分布特点设计匹配模板,能够最大限度的减少它们对匹配的干扰.与Daugman算法进行对比的实验数据表明,本算法具有非常优越的识别性能.     

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。     

Optimal Gabor filters for texture segmentation

Texture segmentation involves subdividing an image into differently textured regions. Many texture segmentation schemes are based on a filter-bank model, where the filters, called Gabor filters, are derived from Gabor elementary functions. The goal is to transform texture differences into detectable filter-output discontinuities at texture boundaries. By locating these discontinuities, one can segment the image into differently textured regions. Distinct discontinuities occur, however, only if the Gabor filter parameters are suitably chosen. Some previous analysis has shown how to design filters for discriminating simple textures. Designing filters for more general natural textures, though, has largely been done ad hoc. We have devised a more rigorously based method for designing Gabor filters. It assumes that an image contains two different textures and that prototype samples of the textures are given a priori. We argue that Gabor filter outputs can be modeled as Rician random variables (often approximated well as Gaussian rv's) and develop a decision-theoretic algorithm for selecting optimal filter parameters. To improve segmentations for difficult texture pairs, we also propose a multiple-filter segmentation scheme, motivated by the Rician model. Experimental results indicate that our method is superior to previous methods in providing useful Gabor filters for a wide range of texture pairs.     

基于Gabor滤波器和ICA技术的SAR目标识别算法

提出了一种基于Gabor滤波器和独立分量分析(ICA)技术对合成孔径雷达(SAR)目标识别的算法.该方法提取预处理后SAR图像的低频子带图像,利用Gabor滤波器组对该低频子带图像在不同方向和尺度上滤波,再用主成分分析(PCA)+ICA方法对Gabor滤波后图像提取有效特征向量作为目标识别特征,最后用支持向量机(SVM)对该特征进行分类完成目标识别.使用MSTAR数据库中3类SAR目标数据对该方法进行目标识别的仿真实验,平均识别率最高可达96.56%.通过与其他识别方法对比实验,验证了文中方法的有效性.     

Retrieval of head–neck medical images using Gabor filter based on power-law transformation method and rank BHMT

This research aims to work on the specific medical domain. In this work, retrieval of the head–neck medical images from a database is discussed. Content-based medical image retrieval system (CBMIR) is used for retrieving the head–neck images. CBMIR is automatic and more efficient compared with the text-based approach. Shape and texture features are used for constructing feature vector. Texture feature is extracted using a modified Gabor filter based on power-law transformation method. Shape feature is extracted using rank BHMT (rank-order blur hit or miss transformation) method. Shape and texture features are combined to form a single feature vector. Threshold value very near to zero is used to retrieve images from the database. The proposed method is compared with log-Gabor filters and rank BHMT method. Combinations of modified Gabor filter with rank BHMT gave better performance than other methods.     

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。     

Rotation-Invariant Texture Classification Using Circular Gabor Wavelets Based Local and Global Features

Rotation-invariant texture classification is one of the most challenging problems in computer vision. This paper presents a new and effective method for rotation-invariant texture classification based on the circular Gabor wavelets. The Gabor representation has been shown to be optimal in the sense of minimizing the joint two-dimensional uncertainty in space and frequency. The circular Gabor filter is completely circularly symmetric. So, the circular Gabor wavelets are constructed to decompose an image into multiple scales （subbands） and are rotation invariant. Two group features can be constructed by the mean and variance of the circular Gabor filtered images, and rotation invariant. The experimental results show that the proposed method has comparatively high correct classification rates.     

A methodology for identification of fingerprints based on Gabor filter

This work presents an automatic fingerprint identification system using a coefficient map in the power spectrum based on Gabor filter. This filter was created by Dennis Gabor in 1946 and is being used in many biometric technologies. The fingerprint core is found by pixel neighborhood technique. Around the core, the input image is divided in quadrants where information about texture orientation in three different Gabor filter directions is extracted. The angles used are 0, 45 and 90 degrees. It is accomplished convolutions among such Gabor filter orientations with each quadrant of the input image through the Fast Fourier Transform routine. After that, it is needed to identify the image in the frequency domain and the power spectrum is done. The maximum coefficient of the power spectrum is found and a map of forty coefficients is created around this maximum coefficient. That map is summed and divided by the maximum coefficient. Each result is an identifier of the image. Accomplishing such method using three Gabor filter orientations convoluted with the quadrants of the input image results in twelve identifiers. Those twelve identifiers are compared in the matching process. Experimental results demonstrate the good efficiency of the methodology for fingerprint images of good quality.     

基于Gabor调制的深度多层子空间人脸识别算法

人脸识别的关键在于特征提取,过去主要从完美的低维特征子空间来刻画高维图像,但是近年来深度学习模型为特征提取提供新方向。本文提出在Gabor特征描述子调制下的深度子空间模型,在深度子空间这一新型深度学习框架基础上,使用Gabor滤波器组处理图像,并构建深度特征提取多层网络,得到Gabor调制下的深层抽象特征。首先将传统的8个方向5个尺度的40个Gabor滤波器在尺度上进行压缩得到8个基本Gabor滤波器组;然后将经过Gabor滤波的描述特征分别送入深度化改造的子空间模型,得到图像的深层特征表示;其次将这些特征进行哈希编码,直方图分块,作为描述特征。本文在FERET、ORL、CMU_PIE等数据库上讨论加入Gabor滤波器调制后的深度多层子空间特征提取模型在人脸识别问题上性能的提升,实验结果表明,该算法可以取得较好的识别率,并对光照、表情、姿态等有很好的鲁棒性,能够弥补浅层网络易受训练图像影响的缺点。      

基于Gabor滤波器和局部纹理特征提取的SAR目标识别算法

该文提出了一种基于Gabor滤波器和Three-Patch Local Binary Patterns(TPLBP)局部纹理特征提取的合成孔径雷达(Synthetic Aperture Rader, SAR)图像目标识别算法。首先, 利用Gabor滤波器对SAR图像在不同方向上进行滤波, 增强SAR图像中目标及其阴影的关键特征;然后, 利用TPLBP算法对Gabor滤波之后的图像进行局部纹理特征提取, 该算法克服了Local Binary Patterns(LBP)算法无法描述大范围领域纹理特征的缺陷, 并且保持了LBP旋转不变的特性, 减少了SAR图像目标方位变化对识别效果的影响;最后利用极限学习机(Extreme Learning Machine, ELM)分类器实现目标识别。该文通过MSTAR数据库中的3类SAR目标识别实验验证了该算法的有效性。