基于Gabor变换的纹理分类与识别

自然纹理图像复杂多样,目前国际上没有明确的分类标准,利用中文自然语言中的纹理概念词对常见的自然纹理进行基于概念的分类,并建立了自然纹理图像库。提出了Gabor频谱滤波提取纹理特征的方法,大大提高了计算速度。以支持向量机为分类器,并与传统的基于BP神经网络的识别方法进行对比,实验验证了该分类方法的有效性。     

基于Gabor滤波的虹膜识别系统设计

随着科学技术的发展,信息安全在各个领域显得越来越重要,生物识别技术由于其特有的性质,在传统的识别领域中脱颖而出;其中,虹膜识别以高可靠性和差异性,成为目前安全性最高,最理想的生物识别技术;为增强虹膜识别算法的定位效率,提出一种改进定位算法,即二值化分割出瞳孔区域时,修正瞳孔边界,提高虹膜定位精度,有效提高识别速度;虹膜识别算法是整个系统的核心,要使虹膜识别具有良好的效果,需要对虹膜图像进行一系列的处理;为了完整高效地实现虹膜识别系统,对Gabor滤波器的原理及实现方法进行具体分析,研究Daugman虹膜识别算法,设计并完成了虹膜图像预处理,特征提取,二维Gabor滤波器的构建及参数选取等,经仿真实验,能够非常高效地完成虹膜特征提取并识别比对,计算速度和效果均优于传统算法。     

基于四元数Gabor滤波的彩色纹理特征提取

现有的彩色图像纹理特征提取方法是将彩色图像转换为灰度图像或者对彩色图像进行分通道处理,这样的处理方法会丢失原图像的颜色信息和各通道间的相关性,导致特征图像的纹理特征和原图像的纹理特征差异较大。基于上述问题,提出了一种四元数Gabor彩色纹理特征提取方法。首先,根据Gabor滤波和四元数欧拉公式,推导出四元数Gabor滤波,并将彩色图像用四元数矩阵表达;其次提出四元数Gabor滤波卷积算法处理彩色图像,得到多尺度多方向的彩色纹理特征图像;最后对得到的彩色纹理特征图像进行Tamura统计特征的提取。实验结果表明,该方法可以很大程度地保留原图像的粗糙度、对比度和方向度等纹理特征,同时可以提取到原图像的颜色信息。在转化为灰度图像后,该方法在保留粗糙度、对比度和方向度等纹理特征方面优于传统Gabor方法和LBP方法。     

一种采用Gabor小波的纹理特征提取方法

Gabor小波是一种重要的纹理特征提取方法。利用其基函数的正交性,Gabor小波不仅可以有效地提取纹理特征,而且可以消除冗余信息。然而,采用Gabor小波方法计算得到的纹理特征向量具有较高的维数,因此,提出一种采用Gabor小波的纹理特征提取方法。该方法采用Gabor小波方法计算不同尺度和方向的能量信息,根据这些信息确定了显著峰集合。根据显著峰集合,确定了纹理特征向量,并且把显著性作为权重引入到相似性度量。实验结果表明,采用该方法的系统具有和采用直接Gabor小波变换方法的系统近似相同的检索性能,而纹理特征向量的维数仅为采用直接Gabor小波变换方法计算得到的纹理特征向量维数的6.1%。     

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.     

基于Gabor变换的汉字字体识别研究

在分析汉字字体特征的基础上,介绍了利用Gabor滤波器,通过纹理分析提取全局特征进行汉字字体识别的方法。实验结果表明,这种方法是可行的、有效的。     

基于Gabor滤波的语音识别鲁棒性研究

为了提高语音识别系统的鲁棒性,提出一种基于GBFB（spectro-temporal Gabor filter bank）的声学特征提取方法,并通过分块PCA算法对高维的GBFB特征进行降维处理,最后在多个相同噪音环境对GBFB特征以及常用的GFCC,MFCC,LPCC等特征进行抗噪性能对比,与GFCC相比GBFB特征的识别率提高了5.35%,与MFCC特征相比提升了7.05%,比LPCC特征识别的基线低9个分贝。实验结果表明,在噪音环境下与传统的GFCC、MFCC以及LPCC等特征相比GBFB特征有更优越的鲁棒性。     

基于Gabor小波变换的人脸表情识别

对基于Gabor小波变换的人脸表情识别方法进行了研究.对图像进行预处理以提高后续处理的准确度,通过分析二维Gabor小波变换的优点和人脸表情特征的变化情况,利用二维Gabor小波变换提取脸部表情特征,使用弹性模板匹配算法来识别图像中的人脸表情.实验结果表明,这种方法与传统的识别方法相比,系统具有很好的鲁棒性,达到较高的识别率.     

一种基于Gabor小波特征的人脸表情识别新方法

近来,表情识别成为人机交互研究的热点.将Gabor小波变换与2DPCA结合提出了一种表情识别的新方法.首先对静态灰度表情图片进行预处理,然后对其进行Gabar小波变换,通过2DPCA进行降维,根据Gabor不同尺度不同方向的变换结果训练不同的分类器,由校验集得到分类器权值,通过隶属度函数将各个分类结果模糊化,实现了分类器集成和表情特征数据的融合.实验证明了Gabor小渡与2DPCA结合在表情识别中的有效性,以及基于Gabor小波模糊分类器集成的方法能够进一步提高识别率.     

基于剪切波变换的纹理图像分类

二维可分离小波在纹理分析领域得到了成功的应用,但它只提取图像水平、垂直和对角方向的频率信息,其变换滤波器是各向同性的,不能很好地表达纹理的细节。利用剪切波变换优良的多尺度性、局域性和方向性,提出一种基于剪切波变换（Shearlet transform）的纹理分类算法。该方法先对纹理图像做剪切波变换,得到各尺度、方向子带的剪切系数,计算尺度间子带能量比,以尺度间能量比为权对各子带能量加权,以加权后的子带能量作为特征矢量,用K邻近分类器进行分类。实验结果表明该方法比基于小波的纹理分类方法更加有效。     

应用Gabor滤波的指纹识别算法的研究和实现

提出了一种基于Gabor滤波提取指纹全局及局部特征的识别算法。目前广泛使用的基于细节点的算法识别性能较高,但由于需要前期预处理,增加了系统开销。另一方面,传统的基于结构特征的算法速度较快,然而对偏转指纹的识别性能较差。针对以上不足,利用滤波器定位参考点,并将以参考点为中心的特征提取区域划分为16方向的扇区,然后通过8方向滤波分别提取原始图像和旋转后图像的特征。在FVC2004指纹库上的对比实验证明,该算法同时具备了较好的运行效率和识别性能。     

一种基于纹理识别的手写数字识别方法

提出了一种新的手写数字识别方法,通过将一幅规范化手写数字图像做任意旋转和简单排列,形成纹理图像,将手写数字识别问题转换为纹理识别问题。然后提取纹理图像在不同方法的主频中心作为特征向量,用最小距离分类器进行分类。实验表明,该方法不仅具有高的识别率和低的特征维数,而且具有旋转、伸缩和平移不变性。     

Application-independent feature selection for texture classification

Recent developments in texture classification have shown that the proper integration of texture methods from different families leads to significant improvements in terms of classification rate compared to the use of a single family of texture methods. In order to reduce the computational burden of that integration process, a selection stage is necessary. In general, a large number of feature selection techniques have been proposed. However, a specific texture feature selection must be typically applied given a particular set of texture patterns to be classified. This paper describes a new texture feature selection algorithm that is independent of specific classification problems/applications and thus must only be run once given a set of available texture methods. The proposed application-independent selection scheme has been evaluated and compared to previous proposals on both Brodatz compositions and complex real images.     

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Contourlet变换的纹理特征提取及纹理分类

通过对传统小波多方向性缺失和Contourlet变换系数稀疏性的分析,提出运用方向性小波Contourlet分析纹理特征,以自组特征映射神经网络(SOM)处理Contourlet变换系数的重组序列.对SOM网络输出层codebook矩阵进行奇异值分解得到纹理图像特征向量的方法进行纹理分类,在充分利用图像各尺度方向信息的基础上,有效提取了图像纹理特征.实验结果表明,该方法分类效果显著,Contourlet变换比传统小波分解更适合于图像纹理特性的分析.     

基于Gabor纹理特征的人脸识别方法*

为了降低人脸Gabor特征的维数,提出了一种新的基于Gabor幅值的纹理表征(GMTR)方法用于人脸识别。GMTR由伽玛分布(ΓD)拟合Gabor幅值的分布来刻画,拟合的ΓD参数作为纹理特征。在FERET和Yale人脸库上的实验结果显示GMTR的识别性能优于传统的Gabor幅值特征,表明纹理特征具有更强的鉴别力。     

Automatic texture feature selection for image pixel classification

Pixel-based texture classifiers and segmenters are typically based on the combination of texture feature extraction methods that belong to a single family (e.g., Gabor filters). However, combining texture methods from different families has proven to produce better classification results both quantitatively and qualitatively. Given a set of multiple texture feature extraction methods from different families, this paper presents a new texture feature selection scheme that automatically determines a reduced subset of methods whose integration produces classification results comparable to those obtained when all the available methods are integrated, but with a significantly lower computational cost. Experiments with both Brodatz and real outdoor images show that the proposed selection scheme is more advantageous than well-known general purpose feature selection algorithms applied to the same problem.     

基于多级分类的大类别人脸识别研究 *

提出了一种新的多级分类的人脸识别算法。在类别数较大的人脸识别系统中 ,要想用一种特征一次性地把所有类别都分开是不现实的。首先使用快速的二维投影在大范围内找出测试样本的若干候选类别 ,然后对不同的测试样本分别在其候选子集中抽取特征 ,进而判断测试样本属于哪个类别。在 200人的人脸库上进行了实验 ,识别率由 71. 23%提高到 83. 75%。