Gabor 滤波器在指纹图像处理中的应用

在实时指纹识别系统中，图像增强的效果好坏将影响特征提取及指纹鉴别的识别率。现把Gabor滤波器应用在指纹图像增强处理中，利用了Gabor滤波器的方向选择和频率选择特性，把指纹图像的局部方向和局部频率作为Gabor滤波函数的参数，然后把Gabor函数与纹理图像进行卷积，从而去除图像噪声，达到了增强图像的目的。在算法设计上采用了查表的方法，提高了算法的速度，节省了运算的时耗。实验证明，算法工作稳定，效果好，鲁棒性强。     

用于无人机自主定位的仿生视觉路标获取方法

为了解决无人机自主定位时高鲁棒性路标获取问题,提出一种仿生视觉路标获取方法。首先构建多尺度多方向的Gabor滤波器模拟视皮层简单细胞响应,通过MAX操作实现对简单细胞空间位置和方向的选择,然后对提取出的特征点采用基于分块信息熵的方法选择合理的关键点作为路标用于定位。仿真分析结果表明,提出的特征提取方法能够更好地保留图像局部区域的主要信息,具有较好的尺度不变性、旋转不变性以及抗噪声性能,基于分块信息熵方法选出的关键点作为路标用于无人机自主定位精度也较高。     

基于Gabor滤波器对织造前帘子布疵点检测研究

针对织造前帘子布纱线疵点自动检测问题,对织造前帘子布纱线疵点分布特点开展了研究分析,提出了一种基于Gabor滤波器的帘子布纱线疵点检测算法,利用Gabor滤波器的能量值来描述帘子布纱线疵点特征。通过对疵点Gabor图像阈值化处理,得到了疵点的二值图像。然后对疵点二值图像沿水平方向进行了均等分割,得到了疵点所在的条状图像并除去随机噪声。在1 792个疵点图像测试集上对不同尺度参数的Gabor滤波器进行疵点检测准确度分析,建立了最优的方向和尺度参数组合。并搭建了基于机器视觉技术的帘子布纱线疵点检测系统。研究结果表明,该检测算法对帘子布纱线疵点检测准确度达到99.2%。经过4个月生产实践表明,该系统对织造前帘子布纱线疵点检测效果比人工检测效果提高86%,实现了机器换人的目的。     

基于方向Gabor特征的水面尾迹提取

为了自动提取航空图像中水下目标运动产生的尾迹,提出一种基于方向Gabor特征和主成分分析(PCA)的水面尾迹自动提取算法.该算法首先对图像进行傅里叶变换得到它的能量谱,通过对传统的主成分分析进行改进求得图像的方向,然后根据方向来确定Gabor滤波器组,用该滤波器组提取的纹理特征就有旋转不变性.为了消除纹理特征的冗余信息,用主成分分析法对其进行降维,并对它们的分类性能进行比较.大量的实验结果表明本文的方法能够有效地提取水面尾迹纹理.     

基于Franklin矩的亚像素级图像边缘检测算法

为了满足计算机视觉标定与精密测量对图像边缘定位的精确度高和抗噪性强的要求,提出一种基于Franklin矩的亚像素级图像边缘检测算法。首先,建立亚像素边缘模型,利用各级Franklin矩的卷积来提取图像边缘点的细节特征;然后,依据Franklin矩的旋转不变性原理,分析图像边缘旋转至垂直方向后各级Franklin矩之间的关系,从而确定图像中亚像素边缘的关键参数;最后,根据改进的边缘判断条件,确定图像中的实际亚像素边缘点。大量实验结果表明,与基于Zernike矩的亚像素级算法、基于小波变换与Zernike矩结合的亚像素级算法、基于Roberts算子与Zernike矩结合的亚像素级算法相比,本文提出的基于Franklin矩的亚像素级图像边缘检测算法速度更快,精度更高且抗噪性强,更好地满足了对于图像边缘定位稳定可靠及高精度测量的要求。     

基于机器学习的灭弧栅片表面缺陷检测方法

为了实现金属灭弧栅片表面缺陷的自动检测,引入了CCD成像系统并提出了表面缺陷检测三步法:第一步对原始图像进行去噪,第二步将灭弧栅片从背景中提取出来,第三步利用分类器对缺陷产品进行识别。提出了基于方向梯度直方图(HOG)与Gabor特征结合的图像特征提取算法,与传统的基于HOG和基于Gabor特征的算法相比,多分类支持向量机的训练结果显示本方法识别率分别提高了13%和7%。通过设计卷积神经网络框架对缺陷产品进行检测,结果显示正确率为93%。在二分类情况下对支持向量机和卷积神经网络的分类性能进行了比较,结果显示卷积神经网络性能更优。     

基于Gabor滤波与分水岭算法的锂电池极片缺陷检测方法

针对锂电池极片在人工检测过程中检测效率低、检测错误率高等问题,提出一种基于自适应Gabor滤波与分水岭算法融合的锂电池极片缺陷检测方法。首先通过改进传统Gabor滤波器的参数,实现Gabor滤波器的自适应,得到滤除背景的缺陷图像;然后使用大津法对图像二值化处理,利用分水岭算法进行边缘提取;最后利用分割出的边缘获得坐标,利用最小外接矩形法实现缺陷检测。结果表明,相对于区域生长算法和改进的Canny算法,本文方法的抗干扰能力得到提高,可以对锂电池极片漏金属、黑斑、白斑、脱碳、条痕等多种缺陷进行较为精确地检测,能够用于锂电池极片缺陷的自动化检测。     

一种基于多通道Gabor滤波的纹理提取方法

研究了一种在多种纹理叠加的复杂轮胎X光图像中进行纹理提取的新方法.轮胎X光纹理在频谱中被看作是局部空间频率的辐射模型,并且不同纹理对应的主频率聚集区域基本能相互分开.基于Gabor滤波器对空间频率的带通滤波能力以及方向、形状、带宽和通带中心频率的可调节特性,构造了多通道Gabor滤波器组提取每种纹理对应的主要频率成分,提取的频率成分经过频-时域变换就实现了纹理提取.考虑到实际纹理灰度分布不是理想的正弦分布,改进了传统的Gabor滤波方式,使其保留了纹理的低频成分.实验结果表明,图像中叠加的多种纹理能被准确提取,纹理区域边界也没有失真,并且有效降低了纹理之间频谱混迭造成的影响.     

一种仿生的人脸不变特征提取方法

为了提高基于子空间算法的人脸识别的识别率,提出一种仿生的人脸不变特征提取方法.通过模拟初级视皮层(V1)的信息处理机制,构建一个二层结构的分层网络提取人脸图像的不变特征.网络的第1层模拟Vl简单细胞的功能,通过稀疏编码方法学习获得一组类似Vl简单细胞的滤波器,利用该组滤波器提取图像的光照不变特征;第2层模拟V1复杂细胞的功能,通过局部极大值运算对第1层的输出在空间和尺度邻域内进行合并,得到对光照、表情、轻微姿态变化和面部局部细节变化具有鲁棒性的人脸不变特征.以此不变特征代替原始人脸图像作为子空间算法的输入,从而提高识别率.在FERET和ORL人脸库上的实验表明,相对于直接使用子空间算法,方法将识别率提高了4.95%～20.35%.     

面向零件装配的机器人工件识别

针对工业机器人装配柔性低、工件识别鲁棒性差的问题，提出一种基于机器视觉的工件识别方法应用于零件装配领域。该方法首先利用双层旋转滤波器的尺寸不变性和旋转不变性实现特征点的均匀提取，利用rBRIEF算法生成带有方向信息的特征点描述符，计算Hamming距离进行特征点匹配，利用RANSAC算法对结果进行优化，实现目标工件的准确识别。用工件图片对本文方法进行检验，试验对比分析了该方法与3种传统方法在旋转、缩放变换下的工件识别效果，结果表明，该方法能够更准确、高效地识别工件。最后，搭建基于机器视觉的轴孔装配实验平台，验证工件识别的可行性。