基于Gabor特征的曲面工件缺陷检测方法的研究

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.     

基于局部Gabor相位特征融合的人脸识别

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.     

基于机器视觉的神经网络在茶叶鉴别中的应用

名优茶(芽茶、一芽一叶、一芽两叶)在外观检测分类中,主要依靠人为的主观判断,这样既耗时又难以给出客观的评价标准。针对这个问题,提出一种基于机器视觉的分类方法,首先对原始图像进行剪裁、预处理,然后利用灰度共生矩阵和Tamura方法提取茶鲜叶图像的十二种纹理特征(粗糙度、对比度、方向度、平滑度、一致性等),并采用主成分分析方法建立更加有效精简的特征库,最后根据图像的特征利用BP神经网络对茶叶进行分类,仿真实验能够达到理想的效果。     

应用ICA滤波器技术提取图像纹理特征

针对纹理图像分类问题,本文提出了一种应用ICA滤波器技术提取图像纹理特征的方法.该方法首先从训练图像集中随机抽取图像块作为观测信号,应用ICA技术,提取滤波器组.然后根据训练样本图像对滤波器组的响应值来评估和选择滤波器组,达到降维的目的.最后利用滤波器组对测试图像进行滤波,得到该图像的滤波响应结果,从该响应结果中得到最大响应滤波器编号,提取其直方图作为图像的全局特征和局部特征.对Brodatz纹理图像集中108个纹理类别进行了分类实验,结果表明,与MPEG-7纹理描述子相比,该图像特征对纹理图像具有更好的分类效果.     

基于系数关系共生矩阵和SVM的纹理分析

纹理是图像中非常重要的特征.提出了一种新的纹理特征提取算法,即对纹理图像进行离散小渡框架变换后,利用同一变换尺度下的小波高频系数与低频系数之间的依存关系信息,构造系数共生矩阵,在此基础上进行纹理特征提取,而不是独立地提取各子带系数特征.考虑支撑向量机(SVM)在小样本数据库和泛化能力方面的优势,在分类实验中采用支撑向量机分类器,实验结果表明,基于这种共生矩阵特征提取分类算法能得到很好的分类结果.     

基于频谱滤波的多纹理提取算法

研究了一种在有多种纹理叠加的复杂图像中进行单一纹理提取的算法.首先采用极坐标方法分析纹理频谱的环型和楔型特征并求出纹理分布的周期和方向特征;然后根据这些特征在频域中构建环型和楔型Gauss带通滤波器对纹理频谱进行滤波;再将滤波后的频谱图像转换到时域中就得到了只保留相应纹理成分的图像;最后经过纹理区域矫正处理后就可以提取出真实的纹理.实验结果表明,该方法可以准确提取出图像中叠加的多种纹理,并能完整保留每种纹理的基本特征,在纹理分布不均匀的区域也能提取出纹理的骨架.     

用Gabor滤波实现虹膜图像纹理编码

针对虹膜纹理的幅度和相位信息特征,利用二维Gabor滤波器族可以很好地模拟皮层简单细胞的二维感受野轮廓,能够最大限度的提供图像局部方向和频率信息的特点,提出一种基于二维Gabor函数族对虹膜图像进行子块分解滤波的改进编码算法。实验结果表明,该方法能有效的提取虹膜纹理特征,从而达到虹膜识别的目的。     

Curvelet域流形学习人脸识别算法研究

Curvelet是一种多尺度多方向的图像变换工具,能有效克服小波在表达图像沿边缘奇异特征时的冗余,形成特征的稀疏表达.进一步考虑高维图像可能存在于一个低维流形上,所以提出将曲波提取到的特征应用流形学习处理以发现其低维结构应用于人脸识别.实验表明Curvelet提取到的特征经LLE处理后能找到优于LLE下的流形结构.和已有Gabor结合流形学习人脸识别的比较研究说明,曲波结合流形学习的方法获得了高于Gabor结合流形学习的识别率,在Essex表情库和YaleB光照库上的实验证明了这一点.     

CBIR中基于纹理特征的检索概述

本文简要叙述了图像检索的发展和目前研究的热点。基于纹理的图像检索是进行图像检索的主要方法之一，本文主要概述的提取纹理特征的方法。在多种提取纹理特征的方法中，Gabor小波变换和纹理谱的方法更加符合人类的视觉特征，本文对这两种方法进行了理论上的探讨。     

Shearlet多方向自适应加权融合的稀疏表征人脸识别

针对传统稀疏表征分类器只有在训练样本足够多时才会对特征变化不敏感的缺点,提出一种Shearlet多方向自适应加权融合的稀疏表征人脸识别算法。为了提取局部方向信息并降低特征维数,首先利用Shearlet变换对图像进行多尺度、多方向分解,获得子带系数矩阵,然后根据子带系数矩阵方差的大小对同一尺度的方向子图按主方向排序,利用子带系数矩阵的能量和均值特征对排序后的人脸子图进行加权融合,最后为了使得表征系数矢量具有更为显著的稀疏性,进一步利用融合特征构造字典。在ORL、FERET和YALE人脸库中做了多组实验,结果表明,该方法能增强对外界环境变化的鲁棒性,同时可以提高人脸的识别率。     

基于高光谱成像技术的中医舌纹分析算法

针对中医舌诊现代化中使用彩色或灰度图像进行舌纹分析困难的问题,采用高光谱成像系统代替数码相机进行舌图像采集,并提出基于Gabor滤波器的舌纹分析算法.这一算法充分利用高光谱舌图像图、谱两方面的信息进行舌纹分析,并根据特征向量之间归一化的距离对部分典型舌纹进行初步分类.在对474例具有典型舌纹的高光谱舌图像的分类中,除了在来蛇纹与去蛇纹、四直纹与曲虫纹、太阳纹和龟纹、左右撇纹和锯齿纹之间有一定的误分外,整体具有较好的分类精度.这些分类结果表明,基于高光谱图像的舌纹分析方法明显优于基于灰度图像的舌纹分析方法.     

基于纹理图像的点张计数算法设计与分析

针对手工点张耗时长、精度低的问题,提出了一种应用图像纹理分析的纸张计数算法。用高精度图像摄取装置对纸张图像进行采集,对原始纹理图像采用高斯滤波法去除噪点,大大提高了计算机处理速度。引进方向滤波与Gabor小波变换结合的方法对纹理图像进行增强提升了点张准确度;针对图像中难以处理的纸张堆叠问题,提出了计数修正算法。对不同厚度及张数纸堆进行了点数试验。对于0.3mm的堆叠纸张,点张准确率100%; 对于0.2mm的堆叠纸张,点张准确率达99%以上。试验结果表明该算法具有较好的计数能力,计数准确高。     

Shape,Color and Texture Based CBIR System Using Fuzzy Logic Classifier

The perfect image retrieval and retrieval time are the two major challenges in CBIR systems. To improve the retrieval accuracy, the whole database is searched based on many image characteristics such as color, shape, texture and edge information which leads to more time consumption. This paper presents a new fuzzy based CBIR method, which utilizes colour, shape and texture attributes of the image. Fuzzy rule based system is developed by combining color, shape, and texture feature for enhanced image recovery. In this approach, DWT is used to pull out the texture characteristics and the region based moment invariant is utilized to pull out the shape features of an image. Color similarity and texture attributes are extorted using customized Color Difference Histogram (CDH). The performance evaluation based on precision and BEP measures reveals the superiority of the proposed method over renowned obtainable approaches.     

Improved cuckoo search with particle swarm optimization for classification of compressed images

The need for a general purpose Content Based Image Retrieval (CBIR) system for huge image databases has attracted information-technology researchers and institutions for CBIR techniques development. These techniques include image feature extraction, segmentation, feature mapping, representation, semantics, indexing and storage, image similarity-distance measurement and retrieval making CBIR system development a challenge. Since medical images are large in size running to megabits of data they are compressed to reduce their size for storage and transmission. This paper investigates medical image retrieval problem for compressed images. An improved image classification algorithm for CBIR is proposed. In the proposed method, RAW images are compressed using Haar wavelet. Features are extracted using Gabor filter and Sobel edge detector. The extracted features are classified using Partial Recurrent Neural Network (PRNN). Since training parameters in Neural Network are NP hard, a hybrid Particle Swarm Optimization (PSO) – Cuckoo Search algorithm (CS) is proposed to optimize the learning rate of the neural network.     

基于双参数颗粒分析的纹理分割

形态学颗粒分析是一种有效的颗粒纹理图像分割方法,但由于单一的颗粒度参数,使得其难以分割如颗粒度相同而空间排列不同的纹理图像,为此提出了一种基于双参数颗粒分析的纹理图像分割方法,该方法将传统的颗粒分析从单一参数扩展到以颗粒度和空间位置为参数的二维空间,使得扩展后的颗粒分析通过分布函数不仅能够提取纹理的颗粒度特征,而且能够获取纹理的空间排列特征,克服了传统颗粒分析难以区分颗粒度相同而空间排列不同纹理区域的问题.仿真实验表明,该方法在运算复杂度增加不大的情况下,纹理分割效果优于颗粒分析法,区域像素错分率低于颗粒分析法和Gabor滤波器法.     

Spatiochromatic statistics of natural scenes: first- and second-order information and their correlational structure

Spatial filters that mimic receptive fields of visual cortex neurons provide an efficient representation of achromatic image structure, but the extension of this idea to chromatic information is at an early stage. Relatively few studies have looked at the statistical relationships between the modeled responses to natural scenes of the luminance (LUM), red-green (RG), and blue-yellow (BY) postreceptoral channels of the primate visual system. Here we consider the correlations among these channel responses in terms of pixel, first-order, and second-order information. First-order linear filtering was implemented by convolving the cosine-windowed images with oriented Gabor functions, whose gains were scaled to give equal amplitude response across spatial frequency to random fractal images. Second-order filtering was implemented via a filter-rectify-filter cascade, with Gabor functions for both first- and second-stage filters. Both signed and unsigned filter responses were obtained across a range of filter parameters (spatial frequency, 2-64 cycles/image; orientation, 0-135 degrees). The filter responses to the LUM channel images were larger than those for either RG or BY channel images. Cross correlations between the first-order channel responses and between the first- and second-order channel responses were measured. Results showed that the unsigned correlations between first-order channel responses were higher than expected on the basis of previous studies and that first-order channel responses were highly correlated with LUM, but not with RG or BY, second-order responses. These findings imply that course-scale color information correlates well with course-scale changes of fine-scale texture.     

PSO-Gabor-CNN算法在印刷品套印缺陷的检测

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。     

基于谱直方图表示和支持向量机的纹理分类

在纹理分类中采用谱直方图表示(SHR),每个图像窗表示一个包含滤波后图像直方图的特征向量,而直方图是图像谱表示的连接桥梁.在滤波器选择算法之前,结合每个图像分块和滤波器的独立谱表示和直方图,可以获得更加低层的局部特征.最后,时所有独立滤波器采用滤波器选择算法来得到所需的少量滤波器.为了保证分类的可靠性,选择高斯径向基函数(RBF)进行谱直方图表示,采用支持向量机(SVMs)作为分类函数.对本文方法和其它两种方法:Gabor滤波和独立成分分析(ICA)进行了纹理分类和脸部识别的比较实验.实验结果表明,本文方法具有更高的分类准确性,也证明了SVMs优秀的泛化能力.