一种基于Gabor滤波器的车型识别方法

提出一种快速、实用的基于Gabor滤波器的车型识别方法。该方法包括车辆分割、特征提取和模板匹配3个阶段。首先在车辆分割阶段,采用基于对数密度的背景消减法,降低光照变化带来的影响;其次提出一种新的非均匀采样策略,提取Gabor特征;最后应用模板匹配的方法对车型进行识别。和传统方法相比,该方法能够有效降低Gabor滤波器的计算量和存储空间,同时又使识别率和鲁棒性得到明显增强。实验数据亦表明了该方法的可行性和有效性。     

一种基于局部Gabor滤波器组的手写体汉字识别方法

针对单一尺度的Gabor滤波器组只对某一特定粗细的手写体汉字敏感的缺点，提出了一种新颖的多尺度局部Gabor滤波器组。为了评估该方法的识别性能，提出了一个基于Gabor特征的手写体汉字识别系统，实验表明多尺度全局Gabor滤波器组在识别性能上明显提高，局部Gabor滤波器组在基本保持识别性能的情况下，特征维数明显降低，计算量和内存需求减少。该方法的创新之处在于选取局部Gabor滤波器，对863 HCL2000手写体汉字数据库的识别，最高平均识别率达到了92.32%，表明了该方法在手写体汉字识别中的有效性。     

一种基于局部Gabor滤波器组及PCA＋LDA的人脸表情识别方法

针对传统的Gabor滤波器组存在特征提取时间较长以及特征数据存在冗余性的缺点,提出了一种新颖的局部Gabor滤波器组。为了评估该方法的识别性能,提出了一个基于Gabor特征的人脸表情识别系统。该系统首先对经过预处理之后的纯表情图像提取Gabor特征,然后用PCA LDA方法对采样后的特征进行特征选择,最后采用K近邻分类方法识别人脸表情。实验结果表明,这种方法无论在计算量还是识别性能上都比传统的Gabor滤波器组更具有优势。该方法的创新之处在于选取局部Gabor滤波器,最高平均识别率达到了97.33%,表明其适合于人脸表情图像的分析。     

基于Gabor小波变换的ICA火灾图像纹理识别算法

针对火灾图像纹理识别问题,提出了基于Gabor小波变换的ICA火灾图像纹理识别算法,并根据火灾图像纹理识别特点进行了优化;首先用不同尺度和方向的Gabor滤波器对待识别图像滤波,得到其特征图像,然后将特征图像转化成特征向量作为ICA的输入,得到基矢量子空间,再将测试图像经过Gabor滤波器的特征向量投影到ICA子空间中得到系数向量作为目标识别特征,最后用支持向量机进行识别;通过与Gabor滤波器法和ICA方法的对比实验,表明该算法可以在火灾纹理图像的识别率上比传统方法提高5％以上,为火灾图像识别提供了一种新思路.     

基于Gabor滤波器和LBP的分级掌纹识别

本文首次提出将局部二进制模式(LBP)应用到掌纹识别中。借鉴分级检索的思想,先采用Gabor滤波器提取掌纹的全局能量特征,后采用LBP算子提取局部特征实现两次分类。实验结果表明,与单纯的Gabor滤波器方法相比,系统的识别率可进一步提高。     

手写数字识别中的Gabor参数优化设计

提出一种多分辨率Gabor滤波器组的参数优化设计方法,该方法通过分析在小波框架下的频率和带宽的相邻关系,推导滤波器组的参数构成,以尽可能少的滤波器覆盖尽可能大的信号频率空间;并采用两级、多通道2D Gabor滤波器组进行数字图像特征抽取,然后结合多类SVM分类器进行分类识别.对MNIST手写数字图像的识别实验表明：在小样本情况下,该方法具有很强的特征抽取能力和较高的识别率.     

基于实值Gabor能量特征的手写体维文字符识别

提出了一种基于实值Gabor滤波器手写体维吾尔文字符特征提取算法.将手写体维吾尔文字符图像进行滤波处理之后,在将图像进行分决,提取出每一块的实值Gabor能量值.由这些能量值形成一个能量矩阵,将矩阵降维之后得到字符的特征相量.完成特征提取后,使用KNN识别分类器进行识别.对手写体维吾尔文单字符数据库中的样本分别进行基于实值Gabor能量特征的手写体维吾尔文字符特征识别和字符笔迹特征识别.对KNN分类器识别的平均识别率和平均候选识别率进行了数据分析.实验结果表明,该算法简单有效且识别率比较高.     

动态视频人脸考勤方法研究与实现

研究并实现了利用Gabor滤波器和Fisher线性鉴别分析(FLDA)方法的动态人脸识别考勤系统.系统实现的基本思想是运用Gabor变换提取人脸的局部特征和经过Gabor处理后使得人脸对光照变化不敏感;进一步利用FLDA来降维和隐含地提取最有利于分类的最佳鉴别特征;最后将视频采集的考勤图像与训练库中的图像通过比对,得出识别结果.实验结果表明,利用该方法开发的动态人脸识别考勤系统具有识别率高、实用性好、可靠性强等特点.     

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。     

基于多通道Gabor滤波和D-S证据理论的虹膜识别

为了提高虹膜识别的准确性和稳定性，研究了Gabor滤波的虹膜特征提取方法，并在此基础上对虹膜特征进行了D-S(Dempster-Shafer)证据理论的改进．提出了多通道Gabor滤波和D-S证据理论的虹膜识别方法．该方法充分考虑到虹膜图像获取中被考察对象的姿态和环境光照等不确定性因素对识别结果的影响，通过选择不同频率和方向的Gabor滤波器组，有效提取虹膜特征，并结合D-S证据理论实现了虹膜特征决策．实验结果表明，所提方法增强了虹膜识别过程中抵御图像噪声、干扰和亮度变化等不利因素的能力，与标准的Gabor方法相比，识别率平均提高了4.05%．     

基于Gabor特征和增强Fisher模型的目标检测和识别

研究基于Gabor特征和增强Fisher线性判别模型(EFM)的目标检测和识别问题.用Gabor滤波器族对样本和场景图像进行分解,得到高维特征向量.然后利用主成分分析(PCA)将高维特征向量变换到低维空间,根据新的特征幅值检测场景图像中可能存在的车辆目标,并对检测到的目标用EFM进行特征分析后,与样本训练得到的特征进行相似性分类.实验证明本文算法在降低特征维数的同时,仍能较好地识别车辆目标.本文还对车辆个数和位置确定等问题也提出解决方法,并用实验对算法进行验证.     

基于Gabor参数矩阵与改进Adaboost的人脸表情识别

针对目前人脸表情识别(FER)中Gabor特征维数高、计算量大并且存在特征冗余的问题,提出一种基于Gabor参数矩阵与改进Adaboost的人脸表情识别算法。首先,结合图像像素信息与Gabor小波核的参数定义Gabor参数矩阵;其次,在Adaboost中引入遗传算法(GA)的思想改进其搜索性能,并利用改进的Adaboost选择与Gabor参数矩阵元素对应的最优特征来构建强分类器,从而通过特征选择的方法降低Gabor特征的维数和冗余,减少计算量;最后,在构建多个强分类器的基础上,提出多表情分类算法实现面部表情的分类识别。基于Matlab的实验结果表明,该算法的平均表情识别率为89.67%,且最优特征的选取效率得到明显提高。     

改进的Gabor变换和二维NMF融合的人脸识别

为了得到高质量的人脸特征,提高人脸识别性能,提出基于改进的Gabor变换和（2D）2NMF（二维非负矩阵分解法）的人脸识别方法。改进的Gabor变换提取的特征有较高的品质,鲁棒性增强。二维非负矩阵分解法降维能大大降低图像数据维数,缩短计算时间,提高识别率。最后在ORL人脸库中进行实验,结果表明改进的Gabor变换和二维NMF方法相结合计算时间略微增加,但识别效率明显提高,从而证明了该方法的有效性。     

面向烟雾识别与纹理分类的Gabor网络

目的 通过烟雾检测能够实现早期火灾预警,但烟雾的形状、色彩等属性对环境的变化敏感,使得烟雾特征容易缺乏辨别力与鲁棒性,最终导致图像烟雾识别、检测的误报率与错误率较高。为解决以上问题,提出一种基于Gabor滤波的层级结构,可视为Gabor网络。方法 首先,构建一个Gabor卷积单元,包括基于Gabor的多尺度、多方向局部响应提取和跨通道响应浓缩;然后,将Gabor卷积单元输出的浓缩响应图进行跨通道编码并统计出直方图特征,以上Gabor卷积单元与编码层构成了一个Gabor基础层,用于提取多尺度、多方向的基础特征,对基础层引入最大响应索引编码和全局优化能生成扩展特征;最后,将基础和扩展特征首尾相连形成完整烟雾特征,通过堆叠上述Gabor基础层能形成一个前馈网络结构,将每一层特征首尾相连即可获得烟雾的多层级特征。结果 实验结果表明,此Gabor网络泛化性能好,所提烟雾特征的辨别力在对比实验中综合排名第一,所提纹理特征的辨别力在两个纹理数据集上分别排名第一与第二。结论 所提Gabor网络能够实现多尺度、多方向的多层级纹理特征表达,既能提高烟雾识别的综合效果,也可提高纹理分类的准确率。未来可进一步研究如何降低特征的冗余度,探索不同层特征之间的关系并加以利用,以期在视频烟雾实时识别中得到实际应用。     

基于对称Gabor特征和稀疏表示的人脸识别

受启发于人脸近似对称的先验知识,提出一种基于对称Gabor特征的稀疏表示算法并成功运用于人脸识别。首先把人脸图像进行镜像变换得到其镜像图像,进而将人脸分解为奇偶对称脸。在奇偶对称脸上分别提取Gabor特征,得到Gabor奇偶对称特征。通过一个加权因子,将奇偶特征融合生成新的特征。最后用这种新的特征构成超完备字典进行稀疏表示人脸分类。在人脸数据库AR和FERET上的实验结果表明所提算法在人脸有表情、姿势和光照变化情况下仍能获得较高的识别率。     

基于Gabor特征量和核函数判决分析方法的人脸识别

研究了基于Gabor特征量和核函数判决方法的人脸识别方法,即首先利用Gabor滤波器组对输入样本进行处理,获得Gabor特征量;然后利用核函数判决方法实现人脸识别。Gabor滤波器组通过提取具有空间频率、空间位置和取向选择性的特征,较好克服了实际中由于表情和光照不同带来的变化;而核函数判决分析方法具有提取输入样本空间的非线性最佳鉴别特征的优点。实验仿真表明了该方法的有效性。     

一种新的图像识别算法

提出了一种图像的识别算法,首先对图像进行Gabor小波变换,为了解决图像中的平移、旋转、尺度不变性,以及局部遮挡问题,对滤波结果计算其4个不变矩作为反映整体形状特征的特征向量,再对提取的特征向量利用SVM算法进行图像检测,检测结果表明该算法具有较好的抗噪性并能解决目标检测中的遮挡问题.最后利用弹性网格的方法对其进行识别.文中的检测和识别结果表明,多通道的Gabor滤波器对于纹理图像的特征描述比较充分,该识别算法有比较理想的鲁棒性和容错性,能得到较好的识别结果.     

Texture pattern analysis of kidney tissues for disorder identification and classification using dominant Gabor wavelet

A study on ultrasound kidney images using proposed dominant Gabor wavelet is made for classifying a few important kidney categories. Three kidney categories, namely, normal (NR), medical renal diseases (MRD) and cortical cyst (CC) are considered for the analysis. Of the 30 Gabor wavelets, a unique dominant Gabor wavelet is determined by maximizing the similarity between original pre-processed image and reconstructed Gabor image. The dominant Gabor features “m_mn^D{\mu_{mn}^D } ” and “AAD_mn^D{AAD_{mn}^D } ” are then evaluated to characterize the tissues of kidney region and compared with the Gabor features derived by considering all Gabor wavelets individually and as a whole using the resultant classification efficiency. The results obtained show that the proposed dominant Gabor wavelet features provide the classification efficiency of 86.66% for NR, 76.66% for MRD and 83.33% for CC, while individual wavelet features offer less than 70%, 63.33% and 66% for NR, MRD and CC. The overall classification efficiency improves by 18.89% with dominant Gabor features when compared to the classification efficiency obtained by considering all the Gabor wavelets features. The outputs of the proposed technique are validated with medical experts to assess the actual efficiency. The overall discriminating ability of the systems is also evaluated with performance evaluation measures, F-score and ROC. It has been observed that the dominant Gabor wavelet improves the classification efficiency appreciably and explores the possibility of implementing a computer-aided diagnosis system exclusively for ultrasound kidney images.