Gabor滤波器参数设计及其在虹膜识别中的应用

利用二维Gabor滤波器组编码虹膜纹理的方法,已被广泛地应用于虹膜识别中。该方法的关键是滤波器组的参数设计,直接影响着识别准确率。深入分析了二维Gabor滤波器各参数的作用,提出了一种适用于虹膜纹理特征提取的Gabor滤波器参数设计方法。该方法根据理论分析建立起参数间的关系,借助傅里叶变换和频谱分析确定参数取值。实验证明,依据该方法设计的滤波器组用于虹膜识别,效果好、识别率高。     

基于融合的显微图像Gabor边缘提取算法

不同参数Gabor滤波器都具有各自的频率选择和方向选择特性,图像中纹理基元可以利用多个方向和中心频率Gabor滤波器组提取出来的频谱值来表示.据此提出一种适应于显微图像的Gabor滤波边缘检测算法.使用特定不同方向Gabor滤波边缘提取算子对图像进行边缘信息提取,获得不同方向上边缘特征信息,对其进行分析和融合提取图像边缘.运用该方法时所获不同方向的图像边缘进行自适应融合,获得的图像边缘较理想,模糊的边缘得到增强,并有效地消除了噪声.实验结果表明,该算法对显微图像处理有效,检测到的边缘清晰.     

基于Gabor滤波器组的车牌汉字特征提取

提出基于Gabor滤波器组的特征提取新方法.利用汉字图像的统计信息及归一化信息,提出针对车牌汉字的有效的Gabor滤波器组参数优化方法,并设计一组Gabor滤波器用于提取车牌汉字图像中不同中心频率和方位的笔画纹理特征,实现直接对灰度图像的特征提取.实验结果表明,相比传统二值化特征提取方法,采用基于Gabor滤波器组的小波变换提取特征能够获得更良好的识别性能.     

基于局部中频Gabor滤波器组的人脸识别

针对传统Gabor滤波器组在人脸识别过程中特征提取时间长、计算量大的问题,提出一种利用局部Gabor滤波器组进行人脸图像中频特征提取的方法.选择中频带的Gabor滤波器构造局部中频Gabor滤波器组;提取局部Gabor中频特征;采用线性判别分析法(linear discriminate analysis,LDA)进一步提取Fisher特征,得到图像的Gabor+ Fisher特征,利用最近邻法进行人脸图像识别.基于ORL和AR人脸库的实验结果表明,基于此局部Gabor滤波器组的人脸识别方法较传统的Gabor特征提取方法降低了40％的特征维数,加快了特征提取速度,提高了人脸识别率.     

一种基于图像表观的鲁棒姿态估计方法

提出一种利用图像的表观特征进行头部姿态估计的方法.该方法首先使用了一维Gabor 滤波器对头部图像进行特征提取,然后对提取得到的一维Gabor 特征进一步使用了基于核函数的局部费舍尔判别分析方法增强特征的判别能力.与传统二维Gabor 特征相比,一维Gabor 特征除了在计算速度和存储空间上具有明显的优势以外,更与姿态紧密相关.而基于核函数的局部费舍尔判别分析方法,能够解决姿态问题中存在的非线性问题和多模态问题.大量的实验结果表明,该算法对于姿态估计问题是有效的.特别需要指出的是,该算法具有良好的推广能力     

CNN和三维Gabor滤波器的高光谱图像分类

卷积神经网络(CNN)具有强大的特征提取能力,能够有效地提高高光谱图像的分类精度.然而CNN模型训练需要大量的训练样本参与,以防止过拟合,Gabor滤波器以非监督的方式提取图像的边缘和纹理等空间信息,能够减轻CNN模型对训练样本的依赖度及特征提取的压力.为了充分利用CNN和Gabor滤波器的优势,提出了一种双通道CNN和三维Gabor滤波器相结合的高光谱图像分类方法Gabor-DC-CNN.首先利用二维卷积神经网络(2D-CNN)模型处理原始高光谱图像数据,提取图像的深层空间特征;同时利用一维卷积神经网络(1D-CNN)模型处理三维Gabor特征数据,进一步提取图像的深层光谱-纹理特征.连接2个CNN模型的全连接层实现特征融合,并将融合特征输入到分类层中完成分类.实验结果表明,该方法能够有效地提高分类精度,在Indian Pines,Pavia University和Kennedy Space Center 3组数据上分别达到98.95%,99.56%和99.67%.     

基于多通道Gabor滤波器的纹理图像非监督分类

提出了一种快速、实用的Gabor滤波器设计方法.首先根据人类视觉特性选定Gabor滤波器的频率带宽参数,利用图像大小确定滤波器的中心频率,构造一组多通道的Gabor滤波器在时域和频域中提取图像多方向和多分辨率的Gabor能量特征,对特征空间进行非线性变换和Gauss滤波处理,最后通过K means方法实现纹理图像的分割.实验结果表明,该方法能有较好的纹理分割效果.     

一种基于Gabor小波的局部特征尺度提取方法

图像的局部特征尺度在进行特征提取和构造尺度不变量时非常重要。提出了一种基于Gabor小波的局部特征尺度提取方法,该方法利用视皮层简单细胞的2维Gabor函数模型, 构造了一个Gabor尺度空间核函数,利用该核函数计算图像的Gabor尺度空间分解,并在尺度空间中搜索局部极大值作为特征点的固有尺度。实验结果表明,该方法可在不同对比度 条件下有效地提取各类特征的局部尺度,并且相比高斯拉普拉斯(LoG)方法有更好的适应性和可靠性。     

基于递归Gabor滤波的指纹图像处理方法的研究

根据一维递归Gabor滤波算法设计了二维RGF(Recursive Gabor Filtering)算法,通过实验论证了RGF不仅与Gabor 滤波等价,而且速度更快.在此基础上提出了RGF方法代替传统的Gabor滤波器方法应用到指纹特征提取,并用实验论证了参数的选择.实验结果显示该方法的有效性,具有很高的实用价值.     

基于能量的自适应局部Gabor特征提取的人脸识别

为了解决传统Gabor滤波器组在人脸识别过程中特征提取时间长、计算量大的问题,从不同方向、不同尺度以及全局角度按照能量大小构建了3种不同的局部Gabor滤波器组用来提取人脸特征。首先,分析数据库中部分图像Gabor变换后的图像能量,从不同角度选出能量较大的图像构建对应的局部Gabor滤波器组; 其次,根据所选滤波器组提取局部Gabor特征; 然后,采用线性判别分析(LDA)法进一步提取Fisher特征; 最后,利用最近邻法识别人脸图像。基于ORL人脸库和YALE人脸库的实验结果表明提出的人脸识别方法降低了人脸图像的特征维数,缩短了特征提取的时间,有效地提高了人脸识别率。     

一种方向Gabor滤波纹理分割算法

结合人眼视觉特性，设计了一种方向Gabor滤波器，该滤波器顾及了纹理图像的方向特性；利用Gabor滤波器的带通技术，抑制次要纹理图像的主频率分量，增强目标纹理图像主频率分量，使滤波输出图像具有较大的类间离散度和较小的类内离散度，将纹理图像的分割转化为传统的图像分割，使图像的分割质量和算法效率都得到了提高。     

Optimized Gabor features for mass classification in mammography

Gabor filter bank has been successfully used for false positive reduction problem and the discrimination of benign and malignant masses in breast cancer detection. However, a generic Gabor filter bank is not adapted to multi-orientation and multi-scale texture micro-patterns present in the regions of interest (ROIs) of mammograms. There are two main optimization concerns: how many filters should be in a Gabor filter band and what should be their parameters. Addressing these issues, this work focuses on finding optimizing Gabor filter banks based on an incremental clustering algorithm and Particle Swarm Optimization (PSO). We employ an SVM with Gaussian kernel as a fitness function for PSO. The effect of optimized Gabor filter bank was evaluated on 1024 ROIs extracted from a Digital Database for Screening Mammography (DDSM) using four performance measures (i.e., accuracy, area under ROC curve, sensitivity and specificity) for the above mentioned mass classification problems. The results show that the proposed method enhances the performance and reduces the computational cost. Moreover, the Wilcoxon signed rank test over the significance level of 0.05 reveals that the performance difference between the optimized Gabor filter bank and non-optimized Gabor filter bank is statistically significant.     

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。     

On the application of Gabor filtering in supervised image classification

Image texture can be an important source of data in the image classification process. Although not as easily measurable as image spectral attributes, image texture has proved in a number of cases to be a valuable source of data capable of increasing the accuracy of the classification process. In remote sensing there are cases in which classes are spectrally very similar, but present distinct spatial distribution, i.e. different textural characteristics. Image texture becomes then an important source of information in the classification process. The aim of this study is (1) to develop and test a supervised image classification method based on the image spatial texture as extracted by the Gabor filtering concept and (2) to investigate experimentally the performance of the classification process as a function of the Gabor filter's parameters. A set of Gabor filters is initially generated for the given image data. The filter parameters related to the relevant spatial frequencies present in the image are estimated from the available samples via the Fourier transform. Each filter generates one filtered image which characterizes the particular spatial frequency implemented by the filter parameters. As a result, a number of filtered images, sometimes referred to as 'textural bands', are generated and the originally univariate problem is transformed into a multivariate one, every pixel being defined by a vector with dimension identical to the number of filters used. The multidimensional image data can then be classified by implementing an appropriate supervised classification method. In this study the Euclidean Minimum Distance and the Gaussian Maximum Likelihood classifiers are used. The adequacy of the selected Gabor filter parameters (namely, the spatial frequency and the filter's spatial extent) are then examined as a function of the resulting classification accuracy. The proposed supervised methodology is tested using both synthetic and real image data. Results are presented and analysed.     

基于Gabor滤波器包络的人脸识别算法

2维Gabor滤波器已在文字、人脸和虹膜识别等方面得到广泛应用,Gabor滤波器在特征提取方面具有独特的优势,但高计算复杂度限制了应用。如何快速地利用Gabor滤波器进行识别成为当前研究的重点。提出了基于2维Gabor滤波器包络的人脸识别算法,通过忽略Gabor滤波器的正弦部分,保留高斯成分构造矩形包络,将椭圆滤波器转换为矩形滤波器进行特征提取,即可以在不影响特征提取性能的情况下,只计算滤波器的主要能量区间,忽略区间以外的部分,提高了运算速度。在Yale和ORL人脸库上的测试结果证明,该算法分类准确度优于Eigenface和Fisherface方法,且速度较传统的Gabor滤波器方法快20%,取得了满意的结果。     

Evaluation of the effects of Gabor filter parameters on texture classification

Gabor filtering is a widely adopted technique for texture analysis. The design of a Gabor filter bank is a complex task. In texture classification, in particular, Gabor filters show a strong dependence on a certain number of parameters, the values of which may significantly affect the outcome of the classification procedures. Many different approaches to Gabor filter design, based on mathematical and physiological consideration, are documented in literature. However, the effect of each parameter, as well as the effects of their interaction, remain unclear. The overall aim of this work is to investigate the effects of Gabor filter parameters on texture classification. An extensive experimental campaign has been conducted. The outcomes of the experimental activity show a significant dependence of the percentage of correct classification on the smoothing parameter of the Gabor filters. On the contrary, the correlation between the number of frequencies and orientations used to define a filter bank and the percentage of correct classification appeared to be poor.     

硅太阳能电池纹理缺陷检测

为实现硅太阳能电池纹理缺陷检测,提出一种采用方向可变滤波器组并结合Hough变换的检测方法。通过方向可变滤波器提取图像边缘并采用Hough变换确定纹理方向,采用角度与纹理方向一致的方向可变滤波器滤波,实现消除规则直线纹理,保留纹理缺陷特征。对滤波后的纹理缺陷结果图像采用双阈值法,以确定纹理缺陷所在的位置。和Gabor滤波器及小波滤波器的比较实验结果表明：该方法比前两种方法能更有效地进行硅太阳能电池纹理缺陷检测。     

无监督模糊C均值聚类自然图像分割算法

提出一种基于无监督模糊C均值聚类的彩色自然图像分割算法。使用置信区间交集准则自适应得到Gabor滤波器中各个像素点对应的尺度,并以该自适应尺度为依据,计算相应的自适应方向、频率以及相位;使用该自适应Gabor滤波方法分别对各通道进行纹理分析得到相应的纹理图像。提出一种快速的基于多项式分割的方法对各个纹理图像进行分析,确定聚类数目,并使用无监督模糊C均值聚类算法得到最终的分割结果。实验结果表明,该算法能够很好地克服图像纹理对于分割结果的影响,有效区分目标与背景,分割结果具有较高的分割精度,是一种有效的自然彩色图像分割方法。     

基于匹配Gabor滤波器的规则纹理缺陷检测方法

许多工业产品表面纹理都可以被认为是由基本纹理单元在空间按照一定的规则进行排列组合的结果,但由于各种原因,这些有规则纹理图象经常出现的一些缺陷,因而检测这些有规则纹理图象的缺陷是机器视觉检测的重要内容,为了对这种缺陷进行有效地检测,在对这类纹理图象进行功率谱分析的基础上,根据人眼的视觉原理,设计了两类匹配Gabor滤波器,即正常纹理匹配Gabor滤波器和缺陷纹理匹配Gabor滤波器,前者能够突出正常纹理,抑制缺陷纹理,而后者恰恰相反,在将这两类滤波器用于规则纹理图象缺陷的自动检测时,均获得了良好的检测精度和速度。