一种近红外手背静脉图像识别算法

为了避免传统静脉图像识别中分割细化步骤的错误,文中提出了一种基于分水岭算法的近红外手背静脉图像识别方法.该方法利用分水岭算法从灰度静脉图像中取得静脉的的骨架特征,根据骨架的交叉点和端点等特征点,运用改进的Haudorff距离来计算手背静脉模式的相似度.在手背静脉样本库上进行测试,取得了0.1%的等错误概率(EER) 实验结果表明该算法可以作为一种有效的身份认证方法.     

面向语音情感识别的Gabor分块局部二值模式特征

谱特征在语音情感识别中起到了重要的作用,然而现有的谱特征仍未能充分表达谱图中的语音情感信息.为研究语音情感与谱图之间的联系,提出了一种面向语音情感识别的Gabor分块局部二值模式特征（GBLBP）。首先,获取情感语音的对数能量谱;然后,采用多尺度,多方向的Gabor小波对对数能量谱进行处理,得到Gabor谱图;再次,对每张Gabor谱图进行分块,采用局部二值模式提取每个块的局部能量分布信息;最后,将提取到的所有特征级联,得到GBLBP特征。Berlin库上的实验结果表明:GBLBP特征的平均加权召回率比MFCC高了9%,识别性能显著优于众多谱特征,且与现有声学特征有较好的融合性。      

基于Gabor滤波器和局部纹理特征提取的SAR目标识别算法

该文提出了一种基于Gabor滤波器和Three-Patch Local Binary Patterns(TPLBP)局部纹理特征提取的合成孔径雷达(Synthetic Aperture Rader, SAR)图像目标识别算法。首先, 利用Gabor滤波器对SAR图像在不同方向上进行滤波, 增强SAR图像中目标及其阴影的关键特征;然后, 利用TPLBP算法对Gabor滤波之后的图像进行局部纹理特征提取, 该算法克服了Local Binary Patterns(LBP)算法无法描述大范围领域纹理特征的缺陷, 并且保持了LBP旋转不变的特性, 减少了SAR图像目标方位变化对识别效果的影响;最后利用极限学习机(Extreme Learning Machine, ELM)分类器实现目标识别。该文通过MSTAR数据库中的3类SAR目标识别实验验证了该算法的有效性。      

基于局部相位量化与仿生模式的伪装人脸识别算法

伪装条件下的鲁棒人脸识别,目前在人脸识别领域被日益重视,并认为是难点问题之一. 本文采用非伪装建模方法,提出了一种基于局部相位量化特征提取与仿生模式识别理论的伪装人脸识别算法. 该算法采用了局部相位量化方法进行对伪装模式下具有较好鲁棒性的相位统计特征提取,进而采用仿生神经元构建高维几何覆盖形体,有效利用了不同类别人脸特征的连续性,从而避免了伪装模式的干扰. 在AR数据库及采用警用面部复合软件设计建立的伪装数据库上的仿真实验均表明,与现有主流算法相比较而言,本文所提识别算法在伪装条件下取得了较高的识别性能.      

基于Gabor相位谱和流型学习的步态识别方法

 提出了一种有效的基于步态能量图像的身份识别方法.首先生成合成步态能量图像(GEI)丰富训练集样本数量.然后利用在以前文献中被忽略的具有良好识别性能的Gabor相位信息作为身份特征,并采用流型学习算法保局影射(LPP)将此高维数据在低维空间表示.通过使用简单的分类策略在USF步态数据库上进行对比实验,结果表明本方法的正确识别率优于现有其他的自动步态识别算法.     

基于Log Gabor小波相位一致不变量的目标识别

给出了一种基于Log Gabor小波的相位一致（PC）不变量的神经网络目标识别方法。针对Gabor小波存在的问题，分析了LogGabor小波优于Gabor小波的性能，给出了TPC不变量的定义，探讨了低层次图像不变量特征，运用LogGabor小波PC特征不变量公式进行了修正，提取了目标图像边缘特征。利用该方法进行了神经网络目标识别实验，仿真结果表明，该方法能够很好识别图像目标，识别率达到97％。     

自适应阈值及加权局部二值模式的人脸识别

针对局部二值模式(LBP)和中心对称局部二值模式(CS-LBP)方法描述图像纹理特征时,阈值不能自动选取并且图像中不同子块的贡献也没有进行区分的问题,该文提出一种自适应阈值及加权的局部二值模式方法。首先,将图像进行分块,采用设定的自适应阈值提取每个子块的LBP或CS-LBP纹理直方图;然后,将各子图像的信息熵作为直方图的加权依据,对每个子块对应的直方图进行自适应加权,并将所有子块的直方图连接成最终的纹理特征;最后,通过快速计算图像均值加快了算法的计算速度。在人脸数据库上进行的实验证明,利用该文提出的方法提取纹理特征,并结合最近邻分类法可以得到较高的正确识别率。     

一种融合Gabor+SIFT特征的人脸识别算法

姿态变化和光照干扰对于人脸识别的准确率和效率有很大影响。针对这一问题,文中采用结合Gabor特征和SIFT特征的人脸识别方法进行识别,提取一幅人脸图像的多个方向和多个尺度的Gabor特征,并将提取得到的Gabor特征图像进行分块。对分块后的子图像进行提取SIFT特征的操作,将得到的Gabor特征全部SIFT向量级联作为最终特征向量。使用主成分分析方法对得到的最终特征向量进行降维处理,随后使用最小二乘支持向量机进行训练识别。在FERET人脸数据库中进行的实验结果表明,相对于传统单一的人脸识别方法,利用本文方法在姿态变化和光照干扰情况下对人脸识别的准确率达到98.1%,证明了新算法的有效性。     

基于特征检测的人眼定位方法

介绍一种在人脸图像中定位人眼的方法。与现有的方法相比,本方法对图像中人脸的旋转不敏感;同时,在彩色图像中应用这种方法可以在人脸偏转了一定角度的情况下,较好地定位人眼。在处理灰度图像的时候,总结了一些与眼睛相关的几何性质,用以更精确地定位眼睛。在处理彩色图像的时候,应用了一种颜色变换的方法来提取人脸和眼白的特征。     

一种用于人脸识别的矢量三角形局部特征模式

 现有特征描述方法存在对像素点信息表达不充分的问题.本文提出了一种基于矢量三角形模式的局部特征描述方法,该方法以矢量三角形为基本模式,通过多尺度模式的结合,不局限于提取对称相邻像素点的信息,能更全面地挖掘不同位置像素点之间的信息,并能根据实际应用进行灵活地表达.将这种局部特征描述方法应用于人脸识别中,实验结果表明,基于矢量三角形模式的特征描述及识别方法取得了比LBP等经典算法更精准的效果,证明了该方法的有效性.     

一种基于Gabor变换的HRRP目标识别方法

从模式分类角度讨论了基于高分辨距离像的舰船目标识别问题,提出了一种基于Gabor变换的HRRP目标识别方法。通过对数据进行Gabor变换去除噪声,利用基于小波包分解能量的方法得到信号在不同频带的能量分布特性,最终通过支持向量机进行识别。通过对6类目标实测数据的分析,验证结果表明,该方法在舰船目标识别领域具有良好的应用前景。     

一种基于相位一致性的虹膜识别方法

由于虹膜具有惟一性、稳定性、不可更改性等优点,虹膜识别已经成为生物特征身份识别领域中的研究热点。为了简化特征提取方法并提高虹膜识别的准确性,提出一种基于相位一致性的虹膜识别方法。该方法利用相位一致性所具有的较强特征检测能力,提取虹膜纹理的边缘点标记纹理的位置信息,将位置特征作为虹膜纹理的可区分性特征实现虹膜识别。在CASIA-IrisV3-Interval图像库上进行实验的结果证明,该方法是可行的,也是有效的,并且具有较高的识别准确性。     

基于Gabor滤波器和ICA技术的SAR目标识别算法

提出了一种基于Gabor滤波器和独立分量分析(ICA)技术对合成孔径雷达(SAR)目标识别的算法.该方法提取预处理后SAR图像的低频子带图像,利用Gabor滤波器组对该低频子带图像在不同方向和尺度上滤波,再用主成分分析(PCA)+ICA方法对Gabor滤波后图像提取有效特征向量作为目标识别特征,最后用支持向量机(SVM)对该特征进行分类完成目标识别.使用MSTAR数据库中3类SAR目标数据对该方法进行目标识别的仿真实验,平均识别率最高可达96.56%.通过与其他识别方法对比实验,验证了文中方法的有效性.     

基于Gabor小波特征的磨粒图像识别新方法

文章给出了一种基于Gabor小波纹理特征的磨粒图像识别新方法,主要是利用Gabor小波设计了一种多通道小波滤波器,对磨粒图像直接进行小波变换,用Gabor小波变换系数的模的平均值和其标准方差来表示抽取的图像特征。把获得的小波特征归一化后输入到改进的BP神经网络分类器进行分类识别。最后,对磨粒图像进行了一系列的仿真实验,结果表明,识别正确率在91%以上,并且识别速度很快。     

基于Gabor函数变换的指纹识别

用Gabor函数变换将指纹图像变换到联合空间频率域,对提取的频率进行能量函数合成,能量成分与Gabor函数一致,以联合空间频率域的能量分布作为提取指纹的特征.Gabor函数滤波器在频域内对子块其主方向上频率能量分布进行高分辨率滤波,进行了识别匹配.该增强算法速度快,效果好,可有效提取指纹特征信息.     

基于Gabor幅值特征和相位特征相融合的ISAR像目标识别

该文提出一种基于Gabor小波变换幅值特征和相位特征相融合的ISAR像目标识别算法。首先将ISAR像进行Gabor多尺度分析,对不同尺度、不同方向的Gabor幅值图像划分为若干矩形不重叠的子块,分别计算每个子块的直方图分布,将其联合起来作为Gabor的幅值特征;然后结合象限二进制编码和局部异或算子提取Gabor相位信息的局部相位模式,对得到的局部相位模式同样提取分块直方图特征;再把提取的幅值特征和相位特征相融合作为ISAR像最终的Gabor特征;最后在2统计量作为不相似度量计算的特征空间里,采用最近邻分类器完成5类目标的分类识别。通过使用Greco电磁软件仿真的5类目标的ISAR数据对该方法进行目标识别的验证,并与目前已有的几种Gabor特征提取方法进行了对比,结果表明,该方法是可行且有效的,能够明显地提高识别率。     

基于二维Gabor小波的人脸识别算法

该文提出了一种基于二维Gabor小波的人脸识别算法。该算法先对人脸图像进行多分辨率的Gabor小波变换,然后在图像上放置一组网格结点,每个结点用该结点处的多尺度Gabor幅度特征描述,采用主元分析法对每个结点进行去相关、降维,最后形成特征结。把每个特征结作为观测向量,对隐马尔可夫模型进行训练,并把优化的模型参数用于人脸识别。实验结果表明,该方法识别率高,复杂度较低。