结合FFT和Gabor滤波器的织物纹理特征提取方法

针对织物表面纹理特征提取与表征的问题,提出一种结合FFT(傅里叶变换)和Gabor滤波器的织物纹理特征提取方法,通过傅里叶变换提取频谱楔特征(角向分布)和环特征(径向分布)作为特征角度和频率参数,设计2个最优Gabor滤波器,分别与织物纹理图像进行卷积,获得目标子图像,然后对子图像进行融合处理,达到提取纹理特征的目的。在线条图像纹理特征成功提取的前提下,应用到常见织物的纹理特征提取上,并与传统的Gabor滤波器提取方法进行对比。实验结果表明,结合FFT和Gabor滤波器的织物纹理特征提取方法是有效的,且提取结果优于传统方法。     

基于Gabor滤波器和潜在语义分析的烧成状态识别

采用Gabor滤波器预处理与潜在语义分析相结合的方法,对回转窑烧成带火焰图像的烧成状态进行了更为准确的识别,避免了基于图像分割技术带来的不精确特征提取和较差的识别结果.基于所构建的压缩Gabor滤波器组对火焰图像进行预处理,增强具有不同纹理特性的特征区域的可分性以有利于后续的特征提取和状态识别步骤.对预处理后的火焰图像采用改进的潜在语义分析提取特征向量进行状态识别,以降低特征维数并避免零频问题.实验结果表明：直接从火焰图像中提取特征进行状态识别的方法是可行的,并且识别的效果较未采用Gabor滤波器预处理、传统潜在语义分析、烧成带温度和图像分割等方法的效果更优.     

结肠镜图像自动分割技术研究

提出了一种融合颜色、亮度、空间距离和纹理等特征的彩色结肠镜图像分割新算法.纹理特征采用一组Gabor滤波器对原始图像滤波后计算得到的分形维特征.利用基于元素问相似性的随机聚类方法对特征空间进行聚类.通过对图中的切割进行采样,自动获得最佳的类别数目,算法复杂度较低,其随机特性使得它具有抗噪声的鲁棒性.对多幅结肠镜图像进行分割实验,结果证实了该算法的有效性.     

基于Gabor滤波器和相关反馈的医学图像检索

针对医学图像检索问题,提出了一种结合Gabor滤波器和相关反馈的医学图像检索算法.首先,采用Gabor滤波器的方法对医学图像进行纹理特征提取,计算图像相似度;然后,利用相关反馈技术调整图像之间的相似度,改善图像检索过程中的人机交互性能.实验表明,通过相关反馈,该方法有效地提高了检索结果的查准率、查全率.     

用于无纺布缺陷检测的Gabor滤波器参数研究

提出了一种基于Gabor滤波器的坯布表面缺陷检测方法。该方法基于Gabor滤波方案,分别将原始图像与滤波器进行卷积操作,然后采用大津法阈值分割来获得坯布表面缺陷。为了优化Gabor滤波器的检测效果,研究不同的参数设定对于检测结果的影响,通过不同类型的无纺布缺陷的实验结果证明了该方法的有效性。最后通过对比常用的检测算法,突出该算法的实用价值。     

基于Log-Gabor滤波器组的织物疵点检测算法

利用Log-Gabor滤波器组实现了对织物图像的疵点检测.首先给出了构建Log-Gabor滤波器组的方法,然后利用滤波器组对织物图像进行滤波处理,并对滤波后的图像进行分割和融合,最后将疵点从织物图像的背景纹理中分割出来.实验结果证明该方法能够有效地检测出织物疵点.     

基于优化Gabor滤波器的织物疵点检测算法

提出了一种基于优化Gabor滤波器的织物疵点检测算法.首先介绍了Gabor滤波器的滤波原理,然后提出了Gabor滤波器优化算法,该算法针对一幅标准织物图像,通过计算Gabor滤波器与标准织物图像卷积结果的Fisher Cost函数最小值,得到一组优化Gabor滤波器参数.使用具有这些参数的Gabor滤波器分别对标准织物图像和样本织物图像进行滤波处理,将滤波结果进行比较和融合,得到检测结果.实验证明:该算法能获得良好的检测效果.     

基于支持向量机的图像纹理识别方法

将支持向量机(SVM)应用于基于内容的图像检索领域，提出一种基于Gabor小波变换和支持向量机分类器的新型集成纹理识别方法.目标是利用Gabor小波设计的多通道小波滤波器对图像目标进行小波变换，用Gabor小波变换系数的模的平均值和标准差生成表示目标图像的特征向量，将特征向量归一化后用支持向量机进行训练和识别.最后，利用Brodatz纹理库中的纹理图像进行了试验并与其他几种方法进行了比较.结果表明，该方法的识别率在小样本情况下要优于其他几种方法，并且具有更好的泛化和推广能力.     

基于支持向量机的图像纹理识别方法

将支持向量机（SVM）应用于基于内容的图像检索领域，提出一种基于Gabor小波变换和支持向量机分类器的新型集成纹理识别方法．目标是利用Gabor小波设计的多通道小波滤波器对图像目标进行小波变换，用Gabor小波变换系数的模的平均值和标准差生成表示目标图像的特征向量，将特征向量归一化后用支持向量机进行训练和识别．最后，利用Brodatz纹理库中的纹理图像进行了试验并与其他几种方法进行了比较．结果表明，该方法的识别率在小样本情况下要优于其他几种方法，并且具有更好的泛化和推广能力．     

基于Gabor滤波器组与BP神经网络的帘子布疵点检测研究与实现

采用Gabor滤波器组对帘子布疵点图像纹理进行滤波,对滤波后的模值图像使用最大熵阈值分割,提取疵点轮廓的长、宽、长宽比、面积等特征值。将上述特征值归一化后分为两类：一类作为训练样本输入BP神经网络,对网络进行训练学习,网络计算结果收敛后结束训练;另一类作为测试样本对训练好的网络进行疵点识别。实验证明,该方法可以快速地检测疵点,利用训练的BP神经网络实现疵点分类,识别率达94%。     

高鲁棒的实时扑克字符识别方法研究

为提高智能洗牌机在光照、噪声干扰条件下的扑克点数识别的鲁棒性,提出了一种高鲁棒的字符识别方法.首先,利用维纳滤波复原图像局部和全局交互的二值化方法,保留光照不均匀图像完整的字符笔画与轮廓,去除图像背景噪声.其次,利用字符图像的统计信息,分析了可靠的Gabor滤波器组参数初始化方法,获得了较好的字符笔画特征.最后,对变换...     

改进的基于加博滤波的指纹增强算法

使用八方向Gabor滤波器进行指纹图像增强可以取得良好的处理效果,但占用处理时间较长,因此提出一种通过计算方向不一致因子来减少不必要的方向滤波方法．首先针对Gabor滤波器对方向和频率十分敏感问题,综合点方向图和块方向图的优点,通过利用低通滤波来提高方向图的准确性．其次针对滤波时间问题,提出根据方向不一致因子而有选择地进行八方向Gabor滤波．并通过将二维加博滤波转换成一维滤波器组来减少滤波器的复杂度．实验结果表明,该算法能有效提高滤波效果并减少滤波时间．     

基于Gabor变换和LMBP神经网络的 车牌汉字字符识别

字符识别是汽车牌照自动识别系统中的关键环节,汉字字符识别是其中的难点。提出用Gabor滤波器对灰度汉字图像抽取横、竖、撇、捺的4幅能量特征图像的方法,同时对Gabor滤波器组输出值进行非线性变换,使其适应于不同亮度和低质量灰度车牌字符图像的识别,最终采用网络法提取4幅能量特征图像的特征,用改进的BP神经网络作为车牌汉字字符的识别器,提高车牌识别率。     

Gabor小波和SLLE在人脸识别中的应用

为了提高人脸识别算法的识别率,提出了一种基于Gabor小波和SLLE的人脸识别算法．该算法首先采用Gabor小波对归一化的人脸图像进行多方向、多分辨率滤波,并提取其对应不同方向、不同尺度的多个Gabor幅值特征,然后采用监督的局部线性嵌入算法对Gabor特征进行维数约简,最后使用最近邻分类器进行分类判决．在ORL、YALE人脸库上进行实验,结果表明,该算法平均识别率比其他算法提高3．5％～37．8％,有效提高了人脸识别算法的性能．     

基于Gabor变换的图像邻域嵌入超分辨率放大

为了改善图像超分辨率放大的效果,提出一种基于Gabor变换的超分辨率放大算法。通过将图像块与多方向、多尺度的Gabor滤波器求卷积,来提取图像块的局部特征;利用欧几里得距离度量标准,为提取了Gabor特征的测试图像块寻找准确的近邻图像块,并通过联合学习高、低分辨率图像块对的方法,求出图像块对之间的关系;将寻找到的近邻图像块进行线性组合,求得所需的高分辨率图像块。实验结果显示,图像的Gabor特征能够帮助测试图像块找到更准确的近邻图像块,从而提高超分辨率算法的性能。     

基于反馈的综合多特征图像检索技术研究

首先采用矩形重叠式分块策略对图像进行分块。同时,利用共生矩阵和Gabor小波来描述图像的纹理特征,并将三种不同特征进行融合。为了提高图像检索的准确度,使用相关反馈方法来调整权重。最后分别比较基于单一特征,特征融合和相关反馈方法的平均查准率和查全率,实验结果表明,检索的性能有了明显提高。     

基于Gabor滤波器和深度学习的图像检索方法

针对图像数据库日渐庞大的问题,研究了将特征提取与深度学习相结合进行图像检索的方法,提出了基于Gabor小波变换和受限玻尔兹曼机(RBM)的特征提取和降维模型.将整幅图像划分成局部图像块,利用Gabor滤波器组提取图像特征,通过RBM对特征进行学习和编码,从而实现图像特征的降维处理.采用基于深度信念网络(DBN)和Softmax分类器的图像检索算法,利用Corel图像库进行新方法的图像检索实验,并与其他两种方法进行比较.结果表明,本文方法在准确率、查全率和检索时间上均具有较好的性能,能得到更好的图像检索结果.     

Novel Method Fusing (2D)2LDA with Multichannel Model for Face Recognition

A fusion method of Gabor features and (2D)²LDA for face feature extraction is proposed in this paper. Gabor filters are utilized to extract multi-direction and multi-scale features from facial image to employ its robust performance for illumination, expressional variability and other factors. The extracted features have the defect of high dimension and redundancy data. (2D)²LDA is implemented to reduce the dimension of Gabor features and select effective feature data. Finally, the nearest neighbor classifier is used to classify characteristics and complete face recognition. The experiments are implemented by using ORL database and Yale database respectively. The experimental results show that the proposed method significantly reduces the dimension of Gabor features and decrease the influence of other factors. The proposed method acquires excellent recognition accuracy and has light architectures as well.