Gabor滤波器在彩色纹理表面缺陷检测中的应用

提出了彩色纹理表面自动缺陷检测的Gabor滤波方法,以同时测度图像中的颜色和纹理偏差.提出的方法不依赖于纹理特征的提取,它基于Gabor滤波器和两个颜色特征复数的彩色图像卷积的能量响应,将彩色纹理图像缺陷检测的复杂问题转换成了滤波图像中的简单的二值化问题.对纺织品、木材等许多实际彩色纹理表面的实验结果表明了该方法的有效性.     

基于最优Gabor滤波器的织物缺陷检测

织物缺陷的自动检测是纺织行业所面临的技术难题之一。为了对织物缺陷进行快速准确的自动检测，建立了一种基于Gabor滤波器的织物缺陷自动检测方法，即首先根据无缺陷织物的结构特征，应用小生境遗传算法寻找最优的Gabor滤波器参数和分割阈值；然后将待检图像通过滤波和分割来得到检测结果，同时根据响应矩阵的极小值点来计算缺陷的形状特征。该方法应用于帘子布的缺陷检测的实验结果证明，该方法是可行的和有效的，而且还具有适用性广、识别能力强、检测速度快等特点。     

基于Log Gabor滤波的指纹纹理匹配*

分析了Log Gabor滤波器的性能,详述了用于指纹识别的Log Gabor滤波器的构造方法,在此基础上提出了基于Log Gabor滤波器的指纹纹理匹配算法。首先采用了一种快速有效的参考点定位方法,在确定有效区域并归一化后,通过傅里叶变换把指纹图像转换到频域,在频域进行Log Gabor滤波,最后在滤波图像中提取特征,并与传统方法作了比较。实验结果表明,所提出算法的性能优于基于Gabor滤波的纹理匹配方法和基于细节点的方法,提高了指纹识别的准确率。     

基于二维自适应异小波基小波变换的规则纹理缺陷检测

许多纹理具有规则的重复出现的纹理单元,如纺织纤维结构。为了处理有缺陷的纹理图象,提出了一种利用不同自适应小波基与纹理模型匹配的二维小波变换的新方法。与Ｄａｕｂｅｃｈｉｅｓ的小波基不同,其行和列采用不同的自适应正交小波基,且用遗传算法得到。实验结果表明该方法能确定纹理缺陷的位置。     

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.     

基于优化设计Gabor滤波器的边缘提取方法

基于Gabor滤波器在空间和频率域上都显示良好的局部性能,提出一种用于边缘检测的优化Gabor滤波器的设计方法,并用Canny边缘检测准则对其性能进行了评测．实验结果表明该方法具有良好的边缘检测效果．     

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小波滤波器的遥感图像多频道纹理分析

提出了一种基于Gabor小波滤波器的遥感图像多频道纹理分析算法，大量实验证明本算法方便有效地解决了由于遥感图像目标与背景对比度差、图像边缘模糊、噪声较大而给图像处理带来的困难。     

基于二维Gabor滤波器的胶带撕裂检测

现有的基于机器视觉技术的胶带撕裂检测方法处理背景纹理复杂的图像时易将撕裂痕迹相对背景纹理不明显的缺陷区域误判为无缺陷,且检测结果噪点较多,不易识别。针对上述问题,提出了一种基于二维Gabor滤波器的胶带撕裂检测方法。该方法采用Gabor滤波对胶带图像进行处理,得到多幅Gabor滤波处理图;通过Gabor优化选择方法,以变异系数为基础构建新的代价函数,选取最优滤波通道,突出撕裂区域纹理特征;利用Sobel算子分别提取水平和垂直方向的撕裂区域纹理特征,得到2个方向的梯度图,对所得梯度图进行自乘归一化操作,增强纹理信息,采用像素加权平均法融合2幅图像;将得到的融合图像通过自适应阈值二值化的方法进行阈值分割,并利用形态学技术对待检测图像进行胶带撕裂检测。检测结果表明,改进后的Gabor优化选择方法比原Gabor优化选择方法和基于Sobel算子的纵向撕裂检测方法漏检率更低,可以检测出背景纹理复杂的胶带缺陷图像中的所有缺陷,并且检测结果清晰,撕裂区域轮廓特征保留较为完好。     

基于改进模板匹配的芯片缺陷检测方法

提出了一种改进的模板匹配方法.该方法是在传统的模板匹配方法的基础上,通过对模板匹配算法的改进,以达到更快速的匹配结果.实验结果表明,此方法可以快速测出管脚个数及间距.系统检测精度高,实时性好,满足在线检测的要求.     

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．     

一种方向Gabor滤波纹理分割算法

结合人眼视觉特性，设计了一种方向Gabor滤波器，该滤波器顾及了纹理图像的方向特性；利用Gabor滤波器的带通技术，抑制次要纹理图像的主频率分量，增强目标纹理图像主频率分量，使滤波输出图像具有较大的类间离散度和较小的类内离散度，将纹理图像的分割转化为传统的图像分割，使图像的分割质量和算法效率都得到了提高。     

基于改进Gabor优化选择的布匹瑕疵检测方法

针对传统Gabor优化选择方法用于布匹瑕疵检测时准确率低、鲁棒性差的缺点,提出了改进的优化选择方法,通过瑕疵图像与标准图像Gabor滤波后分块子图均值差平方和的代价函数实现优化选择。设置一组不同方向和尺度的Gabor滤波器并提取标准图像滤波后相关参数,通过改进的优化选择方法实现滤波后瑕疵图像的最优选择,利用迭代式阈值分割对最优滤波后图像进行二值分割,根据分割后图像的像素信息检测是否含有瑕疵并输出瑕疵信息。实验验证该方法,并与传统优化选择方法对比分析,结果表明该方法运算量较少,且检查性能高,可满足在线检测要求。     

基于纹理分布和Gabor滤波器的虹膜识别算法

该算法基干虹膜纹理的分布特点，将虹膜分成若干带，用Gabor滤波器对每带进行滤波编码，用各带Hamming距离的加权和来判决虹膜的匹配。与一些常规的算法相比，该算法充分考虑了不同区域的纹理特征对虹膜匹配贡献不同的特点，能有效地增大虹膜的类间距，利于进一步减少误识率和拒识率。该文给出了对CASIA虹膜库测试的数据，结果表明该算法是有效的和可行的。该算法已在一些场所的认证系统中试用，效果较理想。     

Gabor 滤波器和ICA支持的无监督纹理分割

纹理分割已经取得了很大的进展,但仍然缺乏一个轻便的解决方案,建立了一个无监督纹理分割框架,其核心是将Gabor滤波器所提取的特征视为统计量,用独立分量分析(ICA)整合特征,并用独立分量作为新的纹理特征,避开了Gabor滤波器参数选择的难题,实验结果表明,ICA比主分量分析更利于纹理特征重整,采用该方法对大多数自然纹理能够得到满意的分割结果。     

基于Gabor和纹理抑制的手机配件划痕检测

经典的划痕检测方法通常采用各种边缘检测算子来完成,由于对纹理和噪声十分敏感,因此常造成大量的误判。在具有复杂纹理的金属表面检测中,误判现象尤其严重。为此,利用Gabor滤波的条形模式检测原理,同时结合各向异性纹理抑制和滞后多阈值处理技术,提出一种用于手机配件金属表面划痕的检测方法。对金属表面图像进行Gabor滤波,提取出划痕的骨架结构,利用各向异性纹理抑制方法抑制金属表面的纹理,再用滞后多阈值准确提取划痕。实验结果表明,该方法能极大程度地抑制非划痕区域的金属纹理,同时完整地提取出细微的划痕图像,其误检率、漏检率和轮廓检测缺失概率分别为2%,3.7%和5.5%,明显优于基于边缘算子的划痕检测方法。     

基于图像纹理的印刷缺陷检测

针对传统点对点印刷缺陷检测存在经常误报的情况,提出了一种基于图像纹理的印刷缺陷检测模型,该模型经实验证明,具有稳定性高,误报率少的优点。     

基于图像和改进Gabor相结合的人脸检测

为了提高人脸检测的速度,文章提出了一种基于图像和改进Gabor滤波器相结合的检测方法。该方法用改进的Gabor滤波对训练样本进行变换,提取出人脸特征的特征向量;在检测时,首先利用双眼区域的亮度关系和脸部的对称特征来快速过滤掉大量的背景区域,其次利用改进的滤波器对余下的区域进行进一步验证,以确定是否为人脸。仿真和实验表明,该算法在不降低准确率的基础上其检测速度有明显的提高。