基于Gabor滤波器组的织物疵点检测方法

给出了基于Gabor滤波器组的织物疵点检测方法。在分析Gabor滤波器时频特性的基础上,针对素色坯布织物疵点图像,设计了椭圆形多尺度多方向的Gabor滤波器组,并应用该滤波器组在频域对织物疵点图像进行滤波处理,对滤波后的多幅图像进行融合与分割处理,将疵点从织物背景中分割出来,从而实现了疵点的检测。实验结果证明了该方法的有效性。     

改进的基于最大熵和Gabor滤波器的织物疵点检测

提出了一种改进的基于最大熵原理和Gabor滤波技术的织物疵点检测方法。采用多通道Gabor滤波算法,取模值特征为输出,利用最大熵分割模值图像,再进行图像融合,最后计算轮廓的周长和面积去除孤立点得到最终检测结果。利用OpenCV算法库,选取了四种具有代表的织物疵点图片进行验证,实验结果表明,该方法降低了计算复杂度、检测速度快、检测效果好、无须事先学习,适用于不同疵点类型的各种检测。     

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滤波器和HOG特征的织物疵点检测

针对织物疵点检测问题,提出了一种基于Gabor滤波器和方向梯度直方图（HOG）特征的织物疵点检测算法。首先使用3个尺度、4个方向的Gabor滤波器组对织物图像进行滤波,并做融合处理,增强织物图像疵点区域和背景纹理之间的对比度;然后使用双边滤波减弱图像背景纹理和噪声的影响;最后将图像划分成均匀子块,提取每个子图像块的HOG特征,利用图像疵点区域和背景纹理的HOG特征差异进行阈值分割实现织物疵点的检测。实验选取5种常见织物疵点进行验证,并与传统的Gabor滤波算法进行了实验对比,结果表明该算法可以较好的抑制织物背景纹理的干扰,更加准确的检测出织物疵点。     

Gabor滤波器组实现颅脑图像的边缘快速提取

在医学图像处理过程中,针对一般方法提取颅脑图像边缘不是很清晰的情况,提出了一种基于短时傅立叶变换的新的Gabor滤波方法。该方法通过选取一组能够覆盖整个频域的滤波器,分别提取图像的局部边缘信息,然后按照一定的规则将提取出局部信息的多幅图像整合成一幅图像。普通Gabor滤波计算量较大,耗时较长,而该文所述方法能显著地减少运算量。并且相对于其他几种滤波方法也表现出定位准确,检测效果明显,以及鲁棒性较好的特点。     

基于Gabor小波变换的帘子布疵点检测研究

Gabor小波变换已经成功地应用到各种机器视觉实例中,如纹理分割、边缘检测等。给出了一种基于多通道Gabor滤波器技术实现高速实时帘子布疵点检测方法。在多尺度多方向上分别对具有规则纹理结构的织物图像进行Gabor滤波,并对滤波后的多幅子图像进行融合分割处理,将疵点从织物背景中分割出来,从而实现对织物疵点的实时检测。该方法用于帘子布的缺陷检测,具有识别能力强、实时性好等优点,实验结果证明该方法是有效可行的。这种方法也可以用于检测有规则纹理结构的表面及物体。     

基于DSP和图像分割的织物疵点实时检测方法

疵点自动检测是纺织品缺陷在线检测领域的一个研究热点;为满足高速实时疵点检测应用要求,构建了基于TMS320DM642的织物疵点检测硬件系统;该系统由光源与成像、图像采集与实时处理、结果显示与统计分析等部分组成,能充分利用数字信号处理器的高速运算能力,有效提高系统的检测速度;并提出一种基于自适应阈值分割的疵点检测算法,通过增强织物图像灰度直方图波谷对应阈值的检测概率,有效提高了疵点图像的分割准确性;最后,在所建硬件系统平台上利用该算法进行了棉坯布疵点检测实验,疵点检出率达到93.6%;结果表明,本系统可自动实时检测织物疵点,且检出效率高。     

用于织物疵点检测的最优Gabor滤波器设计

提出一种基于织物纹理特征的最优Gabor滤波器设计方法．分别建立了正常纹理匹配和疵点纹理匹配的Gabor滤波器优化设计模型，并采用小生境遗传算法对两种模型进行求解．通过比较和分析两种滤波器的检测结果发现，由正常纹理匹配模型得到的最优Gabor滤波器更适宜于织物疵点的识别与分割，并且其中心频率与纹理图像功率谱中能量最集中的谐波成分相一致，因而可以极大地缩短求解优化模型所花费的时间．     

基于Gabor滤波的头部CT图像分割算法

针对传统图像分割算法在头部CT图像分割时存在的易受光线、伪影等噪声干扰等问题,提出一种基于Gabor滤波的头部CT图像分割算法。首先使用Gabor滤波器对头部CT图像进行滤波,虑除图像中的光线以及伪影等噪声,然后使用Gaussian滤波器对图像进行平滑操作,最后使用二阶微分算子：Laplacian边缘检测算子对图像进行分割处理。实验结果表明：提出的基于Gabor滤波的头部CT图像分割算法能够有效的分割出头部CT图像边缘,并对头部CT图像中常见噪声伪影,具有很强的鲁棒性。     

基于GLCM与自适应Gabor滤波器组的纹理图像分割

基于Gabor滤波器的纹理图像分割算法存在参数难以选择的问题。为此,提出一种预测图像纹理类型数与Gabor滤波器组参数的分割算法。将图像分割成大小相等的区域块,根据各类纹理特性预测Gabor滤波器组参数,利用各区域块的纹理特征向量预测纹理类型数,并使用预测的滤波器组提取图像纹理特征,通过预测的纹理类型数对图像进行聚类分割。实验结果表明,该算法能以较高的精度与较快的速度分割纹理图像,且受纹理类型数量影响较小。     

基于Gabor小波和神经网络的布匹瑕疵检测

为了实现布匹表面瑕疵的在线视觉检测,利用Gabor小波函数与神经网络的结合,提出了一种有效提取Gabor滤波最优参数的方法。该方法通过离线构建Gabor小波神经网络,结合Levenberg-Marquardt算法优化得到最优解,重构无瑕疵的布匹图像,以削弱在线检测时布匹纹理对瑕疵检测的影响,从而能够于在线实时监测过程中凸显布匹瑕疵,最终从融合图像中得到瑕疵区域。通过对霉点、断经、油污、破洞四种常见的布匹瑕疵图像进行检测,表明该方法能够满足对瑕疵的实时分割要求。     

基于Gabor滤波器的图像边缘检测算法

采用Canny算子进行边缘检测时,需人工设定高低2个阈值.对不同的图像采用相同的阈值,边缘检测效果差异很大,这一点限制了Canny算子在实际中的应用.针对这一问题,提出了一种基于cabor奇部滤波器的边缘检测方法,在不同的尺度下分别采用非极大值抑制,然后利用Canny算子在高低阈值图像中查找边缘点的方法对图像进行边缘检测,无需人为地设定任何参数.实验结果表明这种算法不但克服了Canny算法中人为设定阈值的缺陷.而且能有效去除图像中的伪边缘.     

基于Gabor小波的视网膜血管自动提取研究

针对视网膜血管网络灰度分布特征和区域结构特征,提出了一种基于Gabor小波的视网膜血管提取方法。采用Gabor滤波预处理以增强血管,用改进的自适应二值化方法对增强后的视网膜图像进行二值化处理,根据视网膜血管具有区域连通性的特征,并用形态学方法分割出最终的血管。为验证方法的有效性,对Hoover眼底图像库进行实验,结果表明该方法在细小血管的提取以及连续性、有效性方面都优于Hoover算法。     

基于二值指纹图像的Gabor滤波增强算法

在指纹预处理过程中,Gabor滤波器对于图像的平滑和分割具有十分显著的效果。但是Gabor滤波器对纹线方向和频率十分敏感,通过处理灰度图像得到的二值图像存在着严重的特征点丢失和变化问题。采用相位差分二值化方法,使二值化过程不依赖Gabor滤波。提出了在二值图像上利用Gabor滤波器增强的方法,保留了Gabor滤波器连接纹线断线和滤除图像中噪声的优点,避免了Gabor滤波器对频率的敏感性问题,有效地提高了指纹特征的保持度。     

基于Gabor变换的木材表面缺陷图像分割方法

为了提高对木材表面缺陷图像分割的正确率,采用了环形Gabor滤波器将木材纹理图像变换到联合空间频率域,并在能量意义下定义了特征参数.根据多方向滤波结果形成缺陷图像的分割特征向量.结合模糊C均值聚类算法和数学形态学后处理操作提取出缺陷目标区域,分割正确率为98.29%.通过与基于灰度共生矩阵的分割方法进行比较实验,该方法平均分割精度比后者提高了4.22%,实验结果表明了该方法的可行性.     

Efficient Gabor filter design for texture segmentation

Gabor filters have been successfully applied to a broad range of image processing tasks. The present paper considers the design of a single filter to segment a two-texture image. A new efficient algorithm for Gabor-filter design is presented, along with methods for estimating filter output statistics. The algorithm draws upon previous results that showed that the output of a Gabor-filtered texture is modeled well by a Rician distribution. A measure of the total output power is used to select the center frequency of the filter and is used to estimate the Rician statistics of the Gabor-filtered image. The method is further generalized to include the statistics of postfiltered outputs that are generated by a Gaussian filtering operation following the Gabor filter. The new method typically requires an order of magnitude less computation to design a filter than a previously proposed method. Experimental results demonstrate the efficacy of the method.