基于Gabor滤波器和SVM分类器的红外车辆检测

提出一种基于Gabor滤波器和支持向量机(SVM)的红外车辆检测方法。该方法首先应用阈值分割并结合边检测确定候选区域；其次应用Gabor滤波器对选定的车辆和背景样本集进行特征提取，训练SVM分类器。这里提出一种特征加权技术，即根据特征矢量中邻近分量的离散程度对其自身进行加权；最后应用SVM进行分类检测，以判断候选区域内是否存在车辆。实验数据表明了该方法的实用性和可行性。     

用于织物疵点检测的最优Gabor滤波器设计

提出一种基于织物纹理特征的最优Gabor滤波器设计方法．分别建立了正常纹理匹配和疵点纹理匹配的Gabor滤波器优化设计模型，并采用小生境遗传算法对两种模型进行求解．通过比较和分析两种滤波器的检测结果发现，由正常纹理匹配模型得到的最优Gabor滤波器更适宜于织物疵点的识别与分割，并且其中心频率与纹理图像功率谱中能量最集中的谐波成分相一致，因而可以极大地缩短求解优化模型所花费的时间．     

快速Gabor滤波器在车型识别中的应用

车型识别在视频交通流量检测系统中是最重要、最关键的一环.为了提高车型识别速度和识别率,在分析了偶对称Gabor滤波器函数特征的基础上简化了求二维卷积的运算,用递归运算方法来实现.并提出一种新的适应分割采样策略,提取Gabor特征.从实验结果来看,此方法实现简单,能够有效降低Gabor滤波器的计算量,从而满足实时系统的需要;从有效性来看,该方法也能增强识别率和鲁棒性.     

一种实用的Gabor滤波器组参数设置方法

Gabor滤波器的参数设置是Gabor特征提取过程中的一个重要问题。文中针对现有方法(实验法和优化法)的优缺点，提出一种实用的Gaobr 滤波器组参数设置方法，该方法根据Gabor特征与滤波器方向参数之间具有垂直关系的性质，人为确定方向参数。在每个特定方向，以滤波器的频率带宽参数为指导，基于Fisher准则，进行最佳单Gabor滤波器的设计。确定的滤波器组在性能上是接近最优的，同时算法实现简单，具有较好的实用性和数据相关的特点。在车辆检测和车型识别两类实验中验证了文中方法的有效性和可行性。     

改进Gabor滤波器在指横纹提取中的应用

针对指横纹难于实现自适应分割的问题,提出一种新的基于改进Gabor滤波器的指横纹提取算法。该方法在指横纹特征方向求取阶段,为避免出现传统Gabor滤波器固有的旋转溢出和奇异值区间的问题,提出以手指轴线方向作为Gabor滤波器方向。在分割阶段,为减少求取Gabor频率的耗时和Gabor频率投影值难于确定的问题,提出以固定频率对指横纹特征进行Gabor滤波。实验证明该算法不仅能够减少计算量,还能有效克服噪声以及手形姿态变化的影响,并且对不同精度的指横纹图像都有较强的鲁棒性。     

基于侧面轮廓的实时车型分类系统

设计了一种基于侧面轮廓的实时车型分类系统。该分类系统分为3个部分:侧面轮廓处理、车型模板建立和实时车型匹配。轮廓处理部分介绍了一种用于实时测量移动车辆轮廓数据的采集仪器以及数据处理的方法。车型模板建立部分使用拟合算法构建不同车型的模板。实时车型匹配部分则采用修正豪斯多夫距离作为距离算法,用于衡量待测车辆与模板间的匹配程度。该模式识别系统能够完成准确快速的车型分类。     

基于多层理想滤波器的纹理特征提取方法

提出一种利用多层理想滤波器进行纹理特征提取的新方法,该方法克服了传统Gabor滤波器的带宽限制,避开了Gabor滤波器和Log Gabor滤波器构造过程中的复杂的参数计算,在保持同等性能的前提下,简化了问题。对多种纹理进行的特征提取和分割实验表明,该方法对纹理特征的捕获能力与Gabor、Log Gabor方法基本相当,提高了分割效率。     

基于Gabor滤波器和特征加权的红外图像识别

针对红外图像边缘模糊、噪声较多的特点,文中提出一种新的基于Gabor滤波器和特征加权的红外图像识别方法。该方法利用Gabor滤波器的多尺度特性对红外图像进行特征抽取,然后根据Gabor特征矢量中邻近分量的离散程度对其自身进行加权。通过对三种不同类型的红外车辆进行识别测试以及与传统的方法进行比较,结果表明Gabor特征矢量经过加权处理后,能够有效降低红外图像识别的错误率,增强鲁棒性。     

基于多通道Gabor滤波器的纹理图像非监督分类

提出了一种快速、实用的Gabor滤波器设计方法.首先根据人类视觉特性选定Gabor滤波器的频率带宽参数,利用图像大小确定滤波器的中心频率,构造一组多通道的Gabor滤波器在时域和频域中提取图像多方向和多分辨率的Gabor能量特征,对特征空间进行非线性变换和Gauss滤波处理,最后通过K means方法实现纹理图像的分割.实验结果表明,该方法能有较好的纹理分割效果.     

基于Gabor 小波SDF 匹配滤波器的人脸识别

提出一种基于Gabor 小波特征的综合判别函数（SDF）匹配滤波器人脸识别方法．该方法选用具有代 表性的人脸训练库,在Gabor 特征空间上生成相应的SDF 匹配滤波器;每幅测试图像在这些非正交向量的投影可 以生成一组相关特征向量,用两个相关特征向量的距离来衡量不同人脸图像之间的相似度．Gabor 变换、SDF 匹配 滤波器和类别特征分析法的采用,使得该方法对光照变化、表情变化等因素具有良好的鲁棒性,并具有良好的推广 性．基于FERET 人脸测试库的对比实验结果验证了该方法的有效性．     

Palm vein recognition using adaptive Gabor filter

Vein pattern recognition is one of the newest biometric techniques researched today. One of the reliable and robust personal identification authentication approaches using palm vein patterns is presented in this paper. In our work, we consider the palm vein as a piece of texture and apply texture-based feature extraction techniques to palm vein authentication. A Gabor filter provides the optimized resolution in both the spatial and frequency domains, thus it is a basis for extracting local features in the palm vein recognition. However, Gabor filter has many potential parameter combinations to use, and it is a common practice now to use multiple Gabor filters or to determine desired single combination by experience. The overall aim of this work is to discuss the optimization algorithm that determines the best parameter values of a single Gabor filter for palm vein recognition. In order to obtain effective pattern of palm vascular, we proposed an innovative and robust adaptive Gabor filter method to encode the palm vein features in bit string representation. The bit string representation, called VeinCode, offers speedy template matching and enables more effective template storage and retrieval. The similarity of two VeinCodes is measured by normalized Hamming distance. A total of 4140 palm vein images were collected form 207 persons to verify the validity of the proposed palm vein recognition approach. High accuracy has been obtained by the proposed method and the speed of this method is rapid enough for real-time palm vein recognition. Experimental results demonstrate that our proposed approach is feasible and effective in palm vein recognition.     

基于方向码的模板匹配方法

提出了一种新的基于方向码的模板匹配方法.算法由两步构成:在匹配的第1步,利用方向码直方图选择匹配候选点并粗略估算出旋转角度;在匹配的第2步,针对匹配候选点,利用模板和子图间方向码的差值进行匹配.实验证明提出的算法在真实图像具有旋转变化时仍是稳定的,这是因为匹配是基于由像素梯度信息计算出的方向码进行,而不是直接根据灰度值进行.     

基于局部Gabor变化直方图序列的人脸描述与识别

提出了一种在Gabor变换幅值域内提取局部变化模式空间直方图序列(histogram sequence of local Gabor binary patterns,简称HSLGBP)的人脸描述及其识别方法.鉴于Gabor特征对光照、表情等变化比较鲁棒,并已在人脸识别领域得到成功应用,首先对归一化的人脸图像进行多方向、多分辨率Gabor小波滤波,并提取其对应不同方向、不同尺度的多个Gabor幅值域图谱(Gabor magnitude map,简称GMM),然后在每个GMM上采用局部二值模式(local binary pattern,简称LBP)算子抽取局部邻域关系模式,最后由这些模式的区域直方图形成的序列来描述人脸.Gabor变换、LBP、空间区域直方图的采用使得该方法对光照变化、表情变化、误配准等具有良好的鲁棒性.而且,这种人脸建模方法不需要基于训练集合进行统计学习,因而不存在推广性问题.同时,进一步探讨了如何在分类器设计阶段与统计方法进行结合的问题,提出了统计Fisher加权的HSLGBP匹配方法.在通过FERET人脸库光照、表情和时间变化测试集上与已发表的实验结果进行对比,充分验证了该方法的有效性.     

基于模板匹配单色布匹瑕疵检测算法

提出一种基于模板匹配的单色布匹瑕疵检测算法,该检测算法首先存储待测布匹的无瑕疵模板图,并对模板图进行分块,然后对待测样本图进行相同的分块操作,进一步利用模板匹配方法对相同分块区域的样本图与模板图进行匹配查找,得到最优匹配图像.在匹配过程中,对模板图按照一定比例进行扩充,以提高匹配的准确性.最后将样本图与最优匹配图像进行差值对比实现布匹瑕疵检测.实验结果表明,算法弥补了传统Gabor算法高度依赖纹理的缺陷,提高了对于纹理模糊的单色布匹瑕疵检测准确率,检测效率与精度满足验布现场需求.     

YOLOv5定位多特征融合的车标识别

为解决智能交通系统中车标识别的问题,提出YOLOv5s网络车标定位多特征融合的车标图像识别方案。车标定位阶段选择YOLOv5s网络以满足对车标定位速度与精度等的需求。车标识别阶段通过调整扩展高斯差分中的参数得到具有不同效果的车标边缘,设计一组二维Gabor滤波器对边缘检测后的车标图像进行滤波处理并提取出对应的车标图像特征向量,通过计算待测车标图像特征与标准比对库中特征向量的欧几里德距离,取距离最小者对应的标签索引作为分类识别结果,该方案的最佳识别正确率为96.91%。采用随机森林算法进行分类后的最佳识别正确率可达99.33%。该方案的车标定位与识别最佳整体正确率超过了YOLOv5s网络直接一步到位识别车标的方案,且相较于传统图像处理方法有明显提升。     

Independent component analysis of Gabor features for face recognition

We present an independent Gabor features (IGFs) method and its application to face recognition. The novelty of the IGF method comes from 1) the derivation of independent Gabor features in the feature extraction stage and 2) the development of an IGF features-based probabilistic reasoning model (PRM) classification method in the pattern recognition stage. In particular, the IGF method first derives a Gabor feature vector from a set of downsampled Gabor wavelet representations of face images, then reduces the dimensionality of the vector by means of principal component analysis, and finally defines the independent Gabor features based on the independent component analysis (ICA). The independence property of these Gabor features facilitates the application of the PRM method for classification. The rationale behind integrating the Gabor wavelets and the ICA is twofold. On the one hand, the Gabor transformed face images exhibit strong characteristics of spatial locality, scale, and orientation selectivity. These images can, thus, produce salient local features that are most suitable for face recognition. On the other hand, ICA would further reduce redundancy and represent independent features explicitly. These independent features are most useful for subsequent pattern discrimination and associative recall. Experiments on face recognition using the FacE REcognition Technology (FERET) and the ORL datasets, where the images vary in illumination, expression, pose, and scale, show the feasibility of the IGF method. In particular, the IGF method achieves 98.5% correct face recognition accuracy when using 180 features for the FERET dataset, and 100% accuracy for the ORL dataset using 88 features.     

基于Gabor系数分块统计和自适应特征选择的人脸描述与识别

提出一种新的人脸描述及识别方法,首先对归一化后的人脸图像进行多方向多尺度Gabor变换;然后对人脸区域进行分块,以块为单位统计Gabor系数的均值和方差,求得块特征矢量(block feature vector,BFV),按先行后列的顺序将各块的BFV拼接,构成整幅人脸图像特征矢量(face feature vector,FFV).在分类器设计阶段,引入两两比对和投票机制,用多个两类分类器组合成多类分类器.在训练某个具体的两类分类器时,根据隶属训练样本计算FFV中每项的分辨力,以分辨力大小为依据选出最优特征子集(best subset feature vector,BSFV).基于Yale人脸数据集展开实验,与已发表的算法和结果进行对比,证明了该方法的有效性.     

打卡图像的分层人脸比对识别方法研究

具有身份的人脸图像比对要求具有高的识别率和实时性。本文针对打卡人脸图像,提出了一种基于加权模板匹配和SVM的分层人脸识别方法。该方法利用Gabor小波变换进行人脸图像特征提取,采用贡献分析法分析特征的贡献权重,在待测人脸图像比对识别时,采用加权模板匹配进行比对,通过两个阈值的判断,在既不能认为比对正确和不正确的情形下,再采用SVM和库中人脸图像进行识别比对。实验结果表明,基于该方法的人脸比对识别率高、实时性好,可用于实时打卡人脸比对。     

交通道路行驶车辆车标识别算法

为解决交通道路行驶车辆车标识别中存在的目标小、噪声大、种类多的问题,提出了一种基于深度学习的目标检测算法与基于形态学模板匹配算法相结合的方法,并设计了一种高准确度且能应对新类型车标的识别系统。首先,采用通过K-Means++重新聚类锚框值,并引入残差网络的YOLOv4进行车标的一步定位;其次,通过对标准车标图像进行预处理及分割,构建二值车标模板库;接着,利用带色彩恢复的多尺度视网膜图像增强算法（MSRCR）、最大类间方差法（OTSU）等对定位到的车标进行预处理;最后,将处理好的车标与模板库中的标准车标进行汉明距离计算,求出最佳匹配。车标检测实验中,改进的YOLOv4检测精度均优于原始YOLOv4、基于车牌位置的车标两步定位法和基于散热器栅格背景的车标定位法,达到99.04%;速度略低于原始YOLOv4,高于另外两者,达到每秒50.62帧。车标识别实验中基于形态学模板匹配的识别精度均高于传统的方向梯度直方图（HOG）、局部二值模式（LBP）和卷积神经网络,达到92.68%。实验结果表明基于深度学习的车标检测算法有较高的精度和较快的速度,形态学模板匹配方法在光照变化和噪声污染的情况下仍能保持较高的识别精度。