改进Gabor滤波器在笔迹鉴别中的应用

将笔迹图像当作纹理网像看待,用改进的多通道二维Gabor滤波器提取笔迹图像的纹理特征,经过处理后加入特征数据库中作为笔迹鉴别的依据.这是一种文本无关的方法,具有很好的通用性,经过对Gabor变换进行改进提高了鉴别的速度和准确性,以vc 6.0为开发平台通过大量的实验验证了算法的有效性.     

基于形态学处理的太阳能晶片计数研究

针对工业生产中太阳能晶片人工计数的难以实施,提出了运用数字图像处理技术的自动计数方法。通过对晶片叠层图像的纹理分析,提出了一种二值化计数方法,通过对二值图像的特殊的形态学处理后,得到一幅便于计数的图像。实验结果表明该算法有较高的计数精度,而且算法简单可行,具有实用价值。     

基于GLCM与自适应Gabor滤波器组的纹理图像分割

基于Gabor滤波器的纹理图像分割算法存在参数难以选择的问题。为此,提出一种预测图像纹理类型数与Gabor滤波器组参数的分割算法。将图像分割成大小相等的区域块,根据各类纹理特性预测Gabor滤波器组参数,利用各区域块的纹理特征向量预测纹理类型数,并使用预测的滤波器组提取图像纹理特征,通过预测的纹理类型数对图像进行聚类分割。实验结果表明,该算法能以较高的精度与较快的速度分割纹理图像,且受纹理类型数量影响较小。     

基于二维Gabor小波变换的角点匹配算法

图像配准研究的核心问题在于提高配准的速度和精度,而图像配准的结果主要取决于特征的匹配精度。为了提高特征匹配精度,本文提出了一种基于二维Gabor小波变换的角点匹配算法。该算法首先采用改进的Harris角点检测方法提取角点,得到角点位置的坐标,利用多个二维Gabor小波模板对参考图像和待配准图像进行滤波,从滤波图像中提取角点坐标处的复Gabor小波系数,并以此作为角点的特征描述,然后引入两种相似性度量因子对角点进行匹配。通过对不同图像进行大量的实验,该算法在选择合适的参数,同时采用最长公共子序列度量因子的情况下,能成功提取较多的同名点对,并且能够取得较高的匹配率。     

基于四元数Gabor滤波的彩色纹理特征提取

现有的彩色图像纹理特征提取方法是将彩色图像转换为灰度图像或者对彩色图像进行分通道处理,这样的处理方法会丢失原图像的颜色信息和各通道间的相关性,导致特征图像的纹理特征和原图像的纹理特征差异较大。基于上述问题,提出了一种四元数Gabor彩色纹理特征提取方法。首先,根据Gabor滤波和四元数欧拉公式,推导出四元数Gabor滤波,并将彩色图像用四元数矩阵表达;其次提出四元数Gabor滤波卷积算法处理彩色图像,得到多尺度多方向的彩色纹理特征图像;最后对得到的彩色纹理特征图像进行Tamura统计特征的提取。实验结果表明,该方法可以很大程度地保留原图像的粗糙度、对比度和方向度等纹理特征,同时可以提取到原图像的颜色信息。在转化为灰度图像后,该方法在保留粗糙度、对比度和方向度等纹理特征方面优于传统Gabor方法和LBP方法。     

基于改进的Log-Gabor小波的虹膜识别算法

对二维Gabor复小波应用于虹膜识别进行了详细的理论分析,提出了采用二维奇对称Gabor小波代替二维Gabor复小波来提取虹膜纹理特征的改进算法.在此基础上,进一步提出一种采用改进的二维 Log-Gabor小波来提取虹膜纹理特征,采用汉明距来进行特征匹配的新方法,克服了二维Gabor复小波应用于虹膜识别的缺陷.与已有算法进行比较的实验数据表明,采用二维奇对称Gabor小波的改进算法在识别率略有提高的基础上,能大大地减少编码存储空间以及编码和匹配的时间.而采用改进的二维Log-Gabor小波算法则进一步的提高了识别率.     

一种角度无关的Gabor-SVM昆虫识别

传统的昆虫识别方法费时费力,应用图像处理技术提取昆虫图像视觉特征,实现昆虫机器自动识别,可以解决传统方法的不足.本研究依据纹理是昆虫分类的重要特征,应用角度无关的Gabor滤波器提取昆虫图像的纹理特征,然后用SVM算法分类,实验结果表明:角度无关Gabor-SVM昆虫识别方法正确率为80%,是比传统Gabor和灰值游程矩阵更好的识别算法,该方法能较准确识别昆虫,省时省力.     

图像频域分析与相关性度量相结合的叠层纸张数量检测

目的 纸张等薄片产品的批量计数在工业领域具有广泛应用,为此针对超薄叠层纸张机器视觉数量检测难题,提出一种全局周期约束与局部模式相关性度量相结合的鲁棒图像计数算法。方法 首先,沿层高方向提取1维图像剖面,利用频域梳状滤波器去噪,保留有用周期信号,借助波峰找寻算法确定候选纸张位置;然后,构造优化波峰模板,提出一种改进非零均值互相关（NCC）函数与原信号进行局部匹配。基于改进NCC函数的相关系数计算,能有效消除毛边、排列不齐、厚度和间隙变化等因素造成的虚检;最后,利用沿纸张方向的波形相似性和共线性,进一步消除干扰,根据不同剖面计数结果进行统计优化,输出最终测量数据。结果 针对多种类不同厚度的叠层纸张同时采用多种传统算法进行比较,本文算法对于影响纸张计数的常见干扰具有很强的抑制能力,其漏检率与误检率都显著低于其他传统算法。经统计,长期测量误差低于0.01%。结论 本文算法对单张厚度大于0.08 mm以上的纸张叠层有很高的检测精度且实时性强,适合自动化在线测量。     

一种基于图像表观的鲁棒姿态估计方法

提出一种利用图像的表观特征进行头部姿态估计的方法.该方法首先使用了一维Gabor 滤波器对头部图像进行特征提取,然后对提取得到的一维Gabor 特征进一步使用了基于核函数的局部费舍尔判别分析方法增强特征的判别能力.与传统二维Gabor 特征相比,一维Gabor 特征除了在计算速度和存储空间上具有明显的优势以外,更与姿态紧密相关.而基于核函数的局部费舍尔判别分析方法,能够解决姿态问题中存在的非线性问题和多模态问题.大量的实验结果表明,该算法对于姿态估计问题是有效的.特别需要指出的是,该算法具有良好的推广能力     

基于Gabor滤波器的快速人脸识别算法

针对传统人脸识别方法中所提取特征维数高、计算量大等缺点,提出一种新的正面人脸识别算法。新算法融合了半边人脸识别方法、Gabor滤波器、基于互信息判据的Gabor特征筛选来进行人脸识别。新算法将人脸图像分为左右两个部分,计算并比较人脸图像左右半边脸的熵,选取熵值较大的半边人脸图像进行Gabor特征提取。利用二值分类器判别单个Gabor特征的分类能力,选取分类能力较强的特征（最具判决力的特征）。再利用互信息判据对Gabor特征进行第二次筛选,以减小特征之间的冗余度。最后利用最近邻判别器来进行人脸识别。实验结果表明,新算法的识别率优于传统半边脸识别方法,识别速度也优于传统的利用Gabor滤波器进行特征提取的方法。     

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.     

无监督模糊C均值聚类自然图像分割算法

提出一种基于无监督模糊C均值聚类的彩色自然图像分割算法。使用置信区间交集准则自适应得到Gabor滤波器中各个像素点对应的尺度,并以该自适应尺度为依据,计算相应的自适应方向、频率以及相位;使用该自适应Gabor滤波方法分别对各通道进行纹理分析得到相应的纹理图像。提出一种快速的基于多项式分割的方法对各个纹理图像进行分析,确定聚类数目,并使用无监督模糊C均值聚类算法得到最终的分割结果。实验结果表明,该算法能够很好地克服图像纹理对于分割结果的影响,有效区分目标与背景,分割结果具有较高的分割精度,是一种有效的自然彩色图像分割方法。     

基于匹配Gabor滤波器的规则纹理缺陷检测方法

许多工业产品表面纹理都可以被认为是由基本纹理单元在空间按照一定的规则进行排列组合的结果,但由于各种原因,这些有规则纹理图象经常出现的一些缺陷,因而检测这些有规则纹理图象的缺陷是机器视觉检测的重要内容,为了对这种缺陷进行有效地检测,在对这类纹理图象进行功率谱分析的基础上,根据人眼的视觉原理,设计了两类匹配Gabor滤波器,即正常纹理匹配Gabor滤波器和缺陷纹理匹配Gabor滤波器,前者能够突出正常纹理,抑制缺陷纹理,而后者恰恰相反,在将这两类滤波器用于规则纹理图象缺陷的自动检测时,均获得了良好的检测精度和速度。     

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。     

结合Gabor滤波器和扩展LTP算子的无监督纹理图像分割

目的 现实中的纹理往往具有类型多样、形态多变、结构复杂等特点,直接影响到纹理图像分割的准确性。传统的无监督纹理图像分割算法具有一定的局限性,不能很好地提取稳定的纹理特征。本文提出了基于Gabor滤波器和改进的LTP（local ternary pattern）算子的针对复杂纹理图像的纹理特征提取算法。方法 利用Gabor滤波器和扩展LTP算子分别提取相同或相似纹理模式的纹理特征和纹理的差异性特征,并将这些特征融入到水平集框架中对纹理图像进行分割。结果 通过实验表明,对纹理方向及尺度变化较大的图像、复杂背景下的纹理图像以及弱纹理模式的图像,本文方法整体分割结果明显优于传统的Gabor滤波器、结构张量、拓展结构张量、局部相似度因子等纹理分割方法得到的结果。同时,将本文方法与基于LTP的方法进行对比,分割结果依然更优。在量化指标方面,将本文方法与各种无监督的纹理分割方法就分割准确度进行对比,结果表明,在典型的纹理图像上,本文方法准确度达到97%以上,高于其他方法的分割准确度。结论 提出了一种结合Gabor滤波器和扩展LTP算子的无监督多特征的纹理图像分割方法,能够较好地提取相似纹理模式的特征和纹理的差异性特征,且这些纹理特征可以很好地融合到水平集框架中,对真实世界复杂纹理图像能够得到良好的分割效果。     

Fast Gabor texture feature extraction with separable filters using GPU

Gabor wavelet transform is one of the most effective texture feature extraction techniques and has resulted in many successful practical applications. However, real-time applications cannot benefit from this technique because of the high computational cost arising from the large number of small-sized convolutions which require over 10 min to process an image of 256 × 256 pixels on a dual core CPU. As the computation in Gabor filtering is parallelizable, it is possible and beneficial to accelerate the feature extraction process using GPU. Conventionally, this can be achieved simply by accelerating the 2D convolution directly, or by expediting the CPU-efficient FFT-based 2D convolution. Indeed, the latter approach, when implemented with small-sized Gabor filters, cannot fully exploit the parallel computation power of GPU due to the architecture of graphics hardware. This paper proposes a novel approach tailored for GPU acceleration of the texture feature extraction algorithm by using separable 1D Gabor filters to approximate the non-separable Gabor filter kernels. Experimental results show that the approach improves the timing performance significantly with minimal error introduced. The method is specifically designed and optimized for computing unified device architecture and is able to achieve a speed of 16 fps on modest graphics hardware for an image of 256² pixels and a filter kernel of 32² pixels. It is potentially applicable for real-time applications in areas such as motion tracking and medical image analysis.     

基于非高斯二维Gabor滤波器的生物特征提取算法

Gabor滤波器是一种非常有效的图像纹理特征提取算子。Gabor滤波器可以看作是高斯核函数在频域由复正弦函数调制而成,其频谱仍是高斯函数。采用Gabor滤波器对图像进行滤波处理时,图像所包含的位于高斯函数的频带范围之外的非高斯频谱上的重要信息并不能被Gabor滤波器所提取。提出另外一种二维非高斯Gabor滤波器用于生物特征提取。在所提二维非高斯Gabor滤波器中引入了一个新的参数。这个新参数可以控制二维非高斯Gabor滤波器包络的形状。为了证明所提出的非高斯Gabor滤波器的优越性,在人脸和掌纹数据库中做了大量的实验。实验结果表明,提出的二维非高斯Gabor滤波器的性能相比于传统二维Gabor滤波器有较大的提高。     

On the application of Gabor filtering in supervised image classification

Image texture can be an important source of data in the image classification process. Although not as easily measurable as image spectral attributes, image texture has proved in a number of cases to be a valuable source of data capable of increasing the accuracy of the classification process. In remote sensing there are cases in which classes are spectrally very similar, but present distinct spatial distribution, i.e. different textural characteristics. Image texture becomes then an important source of information in the classification process. The aim of this study is (1) to develop and test a supervised image classification method based on the image spatial texture as extracted by the Gabor filtering concept and (2) to investigate experimentally the performance of the classification process as a function of the Gabor filter's parameters. A set of Gabor filters is initially generated for the given image data. The filter parameters related to the relevant spatial frequencies present in the image are estimated from the available samples via the Fourier transform. Each filter generates one filtered image which characterizes the particular spatial frequency implemented by the filter parameters. As a result, a number of filtered images, sometimes referred to as 'textural bands', are generated and the originally univariate problem is transformed into a multivariate one, every pixel being defined by a vector with dimension identical to the number of filters used. The multidimensional image data can then be classified by implementing an appropriate supervised classification method. In this study the Euclidean Minimum Distance and the Gaussian Maximum Likelihood classifiers are used. The adequacy of the selected Gabor filter parameters (namely, the spatial frequency and the filter's spatial extent) are then examined as a function of the resulting classification accuracy. The proposed supervised methodology is tested using both synthetic and real image data. Results are presented and analysed.