共查询到17条相似文献,搜索用时 125 毫秒
1.
本文提出了一种提取人脸图像的局部Gabor相位特征,结合Fisher线性判别式,通过特征融合进行人脸识别的方法.该方法首先利用Gabor滤波良好的空间位置与方向选择特性,采用四个频率六个方向的Gabor滤波器对图像进行滤波,然后根据Daugman方法采用局部XOR算子提取滤波图像的局部Gabor相位特征,组成特征图像,最后通过Fisher判别式对每个频率和方向下的特征图像进行降维,融合降维后的特征,采用最近邻分类器进行识别.该方法通过在两个数据库中的实验,证明了较主成分分析法,Fisher线性判别式方法以及Gabor幅值特征融合识别方法更好的识别性能. 相似文献
2.
目的在脱机手写体文字识别系统中,由于自由书写的字符不可避免地受到图像背景不均匀、图像倾斜和字符粘连及大小不一等因素的影响,为了确保字符切分和识别的正确性,对EMS表单中手写体汉字字符图像预处理方法进行探讨,展示了EMS表单图像预处理的全过程。方法采用最小二乘法作拟合直线的方法,对目标图像进行定位和分割,用基于大津阈值的分块阈值算法处理目标图像的背景不均问题,并减少噪声干扰。结果该图像预处理方法在1020张真实EMS图像上进行测试,识别正确率达到了86.3%。结论该方法有一定的灵活性和抗干扰性,减少了图像噪声对汉字字符切分和识别的影响。 相似文献
3.
针对曲面工件加工过程中出现的表面缺陷问题,使用Gabor函数能够提取出图像在不同位置、频率和方向上特征的优点,构建5个方向8个尺度的Gabor滤波器组.对采集的图像进行Gabor滤波,提取滤波后图像的灰度均值和方差作为Gabor纹理特征向量,使用主成分分析法进行特征的降维处理,最后建立马氏距离最近邻分类器,实现了对工件表面缺陷的识别和分类. 相似文献
4.
5.
基于Gabor滤波系数高阶矩的图像检索 总被引:1,自引:0,他引:1
在分析Gabor滤波器进行图像纹理特征提取的基础上,提出了利用多尺度和多方向Gabor滤波系数的高阶矩提取图像特征进行CBIR的方法,利用滤波系数的方差给出了基于Gabor滤波组提取的图像纹理特征的平滑度和纹理一致性算法,并采用四个尺度和六个方向的滤波系数的能量、方差、峰态、平滑度和一致性组成了CBIR特征向量.采用Brodatz纹理库和Corel图像库中的典型图像进行了对比实验.实验证明,提出的方法比传统的Gabor滤波进行CBIR具有更高的查准率. 相似文献
6.
7.
传统的基于图像轮廓角点检测方法大都对图像轮廓采用高斯平滑,使得角点定位准确性较低,且对局部细微变化和噪声比较敏感.针对此问题,本文利用Gabor滤波器可以很好的表征边缘和角点梯度幅值变化信息的优良特性,采用Gabor滤波器虚部对图像轮廓进行平滑,提出基于Gabor滤波器的图像轮廓角点检测算法.与将轮廓的几何特性作为角点测度的传统算法不同,本文将Gabor滤波器平滑后轮廓像素的主方向与相邻像素方向角度差作为角点测度,提高了对噪声的鲁棒性和角点定位的准确性.实验结果表明,新算法具有较优的定位性和噪声鲁棒性. 相似文献
8.
9.
10.
目的二维Gabor滤波器含有多个参数,在印刷品套印缺陷检测中,二维Gabor滤波器使用不同参数增强图像特征的效果差别较大,为了获得二维Gabor在某印刷品套印缺陷检测下的优化参数。方法在印刷品套印缺陷检测中,提出一种PSO-Gabor-CNN算法,采用Sobel算子对印刷品图像进行边缘检测,以粒子群算法(PSO)对二维Gabor滤波器的中心最大频率kmax、带宽σ、模板窗口window进行参数寻优,处理后的图像与模板图像采用加权欧式距离进行评价。然后用优化后的Gabor滤波器对图像进行滤波,最后采用卷积神经网络(CNN)对印刷品套印缺陷进行检测和分类。结果通过粒子群算法,确定了二维Gabor中心最大频率kmax为6.0476、带宽σ为0.1444、模板窗口window为27×27取得最佳效果,此时加权欧式距离为1.1927×10-33。卷积神经网络经过70次训练的均方误差为0.0035,测试样本正确率为96.93%。该方法与无数据预处理的BP神经网络(BPNN)、Sobel预处理的BP神经网络(Sobel-BPNN)、无数据预处理的卷积神经网络(CNN)、Sobel预处理的卷积神经网络(Sobel-CNN)对比,表现出了较好的识别效果。结论该方法可以获取二维Gabor滤波器的较优参数,从而获得较好的滤波效果,将其应用于套印缺陷检测,具有一定的应用价值。 相似文献
11.
12.
为了降低拍摄距离、光照等对车牌识别的影响,提高复杂背景下车牌识别准确率,提出了一种基于最大极值稳定区域(maximally stable extremal regions, MSER)和笔画宽度变换(stroke width transform, SWT)的新型车牌检测识别方法。该方法首先进行MSER提取和Canny边缘检测,并根据车牌字符特征对二者相与运算后的MSER筛选;然后在筛选后的区域内做基于形态学处理的SWT和SW筛选,聚合筛选后区域,结合车牌几何特征完成车牌精定位;最后校正分割定位成功区域内连通域,提取骨架并归一化,与细化和归一化后的模板匹配。利用HU不变矩和网格特征识别首字符汉字,采用扫描跳跃点统计编码识别数字和字母。实验结果表明:该方法定位准确率高达94.86%,识别准确率达96.14%。该方法对远距离、变光照获取的复杂背景下,车牌检测识别具有较高的准确率和鲁棒性。 相似文献
13.
14.
在虹膜预处理时首先将定位后的虹膜均分8层,然后每层虹膜采用不同的标准分别进行归一化,将虹膜展开为阶梯状,改善了传统归一化造成的图像数据重复或缺漏.利用2DGabor函数的频率选择性,分别在不同的空间频率段上提取虹膜图像特征并进行识别,通过对不同频段上的识别结果进行比较,获得了虹膜纹理的空间频率特性.实验结果表明,在空间频率为0.005~0.04的频段上,能够有效提取可用于识别的虹膜纹理特征,高效率实现虹膜识别;而在低于0.005和高于0.04的频率区间提取的特征主要为图像噪声,无法有效识别虹膜. 相似文献
15.
16.
17.
汽轮机油膜涡动是滑动轴承失稳而产生的自激振动,其振动频率主要表征为转子转频的一半或略小。当油膜涡动频率等于转子一阶临界转速时会导致振动加剧,进而对汽轮机的稳定运行产生严重影响。Gabor变换是一种可逆的联合时频分布方法,其逆变换具有时域信号重构的能力。基于Gabor变换对850 MW汽轮机振动信号进行时频分析,显示反映轴系不稳定的半速涡动成分,进一步对该成分进行时频带通滤波,并基于Gabor逆变换予以时间重构,获取半速涡动成分的峰峰值量化指标,为汽轮机轴承油膜涡动故障提供诊断依据。 相似文献