基于Gabor小波变换的无监督纹理图像分割

本文提出了一种基于Ｇａｂｏｒ小波变换的无监督纹理分割方法,该方法首先对纹理图像进行Ｇａｂｏｒ小波变换,再经过一组Ｇａｕｓｓ波波器滤波,然后将得到的纹理特征送入由Ｈｏｐｆｉｅｌｄ网络构成的无监督分类器,最后得到纹理分割结果。实验和分析表明,该方法对于不同的纹理图像都具有良好的分割效果。     

基于Gabor多通道滤波和Hopfield神经网络的纹理图象分割

文章针对纹理图象的特点,提出了一种基于Gabor多通道滤波和Hopfield神经网络的纹理图象的分割算法。首先构造一组Gabor滤波器（2－D）提取纹理图象多分辨率和多方向性的空域和频域特征。为了使纹理特征更加明显,在此基础上对滤波图象进行非线性变换,最后利用Hopfield神经网络通过松弛迭代算法实现纹理图象的快速分割,取得了良好的分割效果。     

综合纹理和颜色的图像分割方法

本文基于Gabor小波变换，综合图像的纹理和颜色信息，提出了一种简单的图像分割方法。实验结果表明，这种方法能够很好的处理纹理图像和弱纹理图像，对于简单的自然图像也有良好的分割效果。     

基于人类视觉特性的纹理分割方法

纹理分割是将一幅图像依据纹理不同分成若干个不同的区域,目前广泛采用的是利用滤波器族(如Gabor)对图像进行分解。但由于图像纹理表现的各异性,通常在滤波器参数的选择上不能做到自适应,导致提取的特征不明显,分类效果不好,使用范围受限。文中提出了一种基于人类视觉系统(Human Visual System,HVS)机理的纹理分割方法,不但可以模拟人类观察纹理直觉处理阶段确定纹理区的个数并且粗略地划分区域,而且可以模拟专注处理阶段自动选择Gabor滤波器的个数及参数。该算法符合HVS区分纹理机理,计算过程简单、方便。针对各纹理选取的特征明显,分类效果好。     

基于对数极坐标频谱的Gabor纹理分析

提出一种基于对数极坐标频谱的Gabor纹理分析方法（LPFG）,该方法以对数极坐标的形式表示图像在频率空间的频谱分布,利用多通道Gabor滤波器进行频率分析,从而提取图像的纹理特征,并结合改进的最小距离判别方法实现了有效的纹理分割;此外,从理论上分析了该方法与Log Gabor小波分析的一致性,由此推导了Log Gabor小波的参数计算方法;并从实验的角度与传统方法进行了比较,证明该方法在性能和效率上均优于传统方法。     

用于分割双纹理图像的最佳单Gabor小波参数的反馈系统

设计了一个对分割双纹理图像的最佳单Gabor小波参数进行自适应调整的反馈系统。该系统利用Gabor小波的带通特性使某一频率的纹理通过，而另一频率的纹理受到抑制，由RBF神经网络对预处理后的图像参数进行估计，求出最优分割阈值。以分割阈值误差率为反馈量对Gabor小波参数进行自适应调整，从而得到最佳Gabor小波参数。实验证明，该系统对双纹理图像的分割达到了预期的结果。     

基于人类视觉特性的纹理分割方法

纹理分割是将一幅图像依据纹理不同分成若干个不同的区域,目前广泛采用的是利用滤波器族(如Gabor)对图像进行分解.但由于图像纹理表现的各异性,通常要选择很多滤波器,导致提取的特征困难,分类效果不好,效率低,使用范围受限.文中提出了一种基于人类视觉系统(Human Visual System,HVS)二阶机理的纹理分割方法,即基于‘滤波器->整流->滤波器'(FRF)模型的纹理分割方法.该算法符合HVS区分纹理机理,计算过程简单、方便.针对各纹理选取的特征明显,分类效果好,效率较高.     

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。     

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。     

多分辨率二项分布滤波器及其在纹理分类中的应用

从空域与频域两方面对二项分布滤波器及Ｇａｂｏｒ滤波器进行了分析比较。当两种滤波器的尺度空间常数很大时,它们的时域与频域性能基本相近,但在尺度空间常数较小时,二项分布滤波器的性能稍优于Ｇａｂｏｒ滤波器。在对纹理图象的分类中其性能得到验证。     

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。     

基于测地线活动区域模型的非监督式纹理分割

提出了一种基于曲线演化的非监督式纹理分割算法.在用Gabor小波库提取纹理特征之后,可以得到一个多维的特征图像.为了避免直接在多维空间中应用曲线演化模型,采用高斯混合模型(Gaussian mixture model,简称GMM)来描述该特征图像的概率分布,再从分布模型中计算得到每个像素点的区域信息和边界信息.综合两种信息,并应用测地线活动区域模型来获得最终分割结果.实验结果显示,这种方法能够获得良好的区域边界.     

基于特征加权的自然纹理FCM聚类分割算法

为了实现自然材质的纹理分割,根据自然纹理的弱规则性特点,提出一种由图像灰度值、灰度分布统计及图像纹理能量统计作为纹理表征的特征参数,并组成三维特征矢量以实现自然纹理分割的算法。考虑到样本不同特征值对分类的不同影响,算法中引入了特征加权的FCM模糊聚类方法以提高各特征参数在聚类约束力上的可控制性,从而实现纹理图像的更有效分割效果。实验证明,该方法简单高效、可控性强,对各种自然纹理图像具有较好的纹理分割效果。     

基于多信息融合的纹理分割新方法

为了提高纹理分割的边缘准确性和区域一致性,该文综合考虑了纹理的统计和随机特征,提出了一种摹于GMRF和Gabor滤波得到的纹理特征进行信息融合后再进行纹理分割的新方法。实验结果表明该算法适应各种不同类型的纹理图像,与传统的只利用纹理的一种特征进行分割方法相比,该方法在边缘准确性以及区域一致性等方面均有明显的改善。     

改进的Gabor指纹图像增强算法

算法采用按方向计算的灰度曲率, 并将它归一化后用来作为衡量块内方向是否一致的标准, 并通过此参数和指纹图像的平均频率共同调节滤波窗口的大小. 实验结果表明, 该方法不仅可以很好的消除粘连和连接断线, 而且可以缓解因方向图求取不准确而对图像增强造成的不利影响, 同时还增加了滤波器本身的稳定性和适用性.