一种基于Gabor小波变换的图像倾斜矫正算法

提出了一种基于Gabor小波变换的图像倾斜矫正算法.首先选取一定角度的Gabor小波对标准无倾斜的图像进行单一尺度下的Gabor小波变换,记下各个角度下变换系数的个数,然后对倾斜图像进行与标准图像同样的变换,记下倾斜图像最多变换系数个数和此时的Gabor小波函数角度,与标准图像各个角度下的小波变换系数个数相比,取距离d为判据,当d最小时的标准图像Gabor小波函数角度与倾斜图像Gabor小波函数角度的差值即为倾斜图像的矫正角.实验结果证明该算法能有效地实现倾斜图像的矫正.     

并行格型结构实现基于DCT的2D实值离散Gabor变换

虽然2D Gabor变换在图像处理等很多领域认为是非常有用的时频分析的方法,然而实时应用却因其很高的计算复杂性而受到限制.文中回顾了基于DCT的2D的实值离散Gabor变换,为了有效地和快速地计算实值离散Gabor变换,提出了在临界抽样条件下,二维实值Gabor变换系数求解的块时间递归算法以及由变换系数重建原信号的块时间递归算法,研究了该算法使用并行格型结构的实现方法,并讨论和比较了算法的计算复杂性和优越性,证明了基于DCT的2D实值离散Gabor变换块时间递归算法并行格结构在计算复杂性的高性能.     

基于DCT的实值离散Gabor变换的快速并行算法

Gabor变换在很多领域被认为是非常有用的方法,然而实时应用却因其很高的计算复杂性而受到限制。为了减小计算复杂性,曾提出了基于DCT的实值离散Gabor变换。文中回顾了基于DCT的实值离散Gabor变换,为了有效地和快速地计算实值离散Gabor变换,提出了在临界抽样条件下,一维实值离散Gabor变换系数求解的块时间递归算法以及由变换系数重建原信号的块时间递归算法,研究了该算法使用并行格型结构的实现方法,并讨论和比较了算法的计算复杂性和优越性。     

基于DCT的实值离散Gabor变换的快速并行算法

Gabor变换在很多领域被认为是非常有用的方法，然而实时应用却因其很高的计算复杂性而受到限制。为了减小计算复杂性，曾提出了基于DCF的实值离散Gabor变换。文中回顾了基于DCF的实值离散Gabor变换，为了有效地和快速地计算实值离散Gabor变换，提出了在临界抽样条件下，一维实值离散Gabor变换系数求解的块时间递归算法以及由变换系数重建原信号的块时间递归算法，研究了该算法使用并行格型结构的实现方法，并讨论和比较了算法的计算复杂性和优越性。     

并行格型结构实现——一维块时间递归实值离散Gabor变换

为了有效和快速地计算实值离散Gabor变换,本文提出了在临界抽样条件下,一维块时间递归实值离散Gabor变换系数求解算法和由变换系数重建原信号算法,并研究了并行格型结构实现这两种算法的方法。     

结合Gabor变换和FastICA的人脸表情识别方法

提出了一种结合Gabor变换和FastICA技术的人脸表情特征提取方法。Gabor小波具有很好的空频局部性和多方向选择性,因此更有利于表情细节信息的提取。FastICA技术能够消除信号间的高阶统计冗余。对图像进行Gabor变换,把得到的系数排列成Gabor特征矢量,用FastICA对Gabor特征矢量进行特征提取,用K-近邻分类器进行分类。JAFFE表情库中的实验证明该方法的有效性。     

基于Gabor直方图特征和MVBoost的人脸表情识别

提出采用Gabor变换与分级直方图统计相结合的方法来提取表情特征,以分层次反映局部区域内纹理变化的信息.这比仅用一维的Gabor系数具有更强的特征表示能力.借助直方图特征,还设计了向量输入、多类连续输出的弱分类器,并嵌入到多类连续AdaBoost的算法框架中,得到了向量输入、多类输出的MVBoost方法.该方法直接对特征进行多类的判决以满足多类时分类的需求,而不必训练多个二分类的AdaBoost分类器,从而使训练过程和分类过程都得到简化.     

基于Gabor小波变换和支持向量机的人脸识别

将Gabor小波变换和支持向量机分类方法结合起来进行人脸识别。通过由Gabor小波变换系数表示的若干个人脸模板和人脸图像之间的匹配来确定特征点的近似位置；在所有的特征点位置计算Gabor小波变换系数并将其串联成表示人脸图像的向量；采用一种层次分解的支持向量机二叉决策树进行分类识别。实验结果表明了该方法的可行性。     

块时间递归离散Gabor变换的并行格型结构实现方法

虽然Gabor变换在语音与图象处理、雷达、声纳、振动信号的处理与理解等很多领域被认为是非常有用的方法,然而实时应用却因其很高的计算复杂性而受到限制。为了有效地和快速地计算离散Gabor变换,论文提出了在临界抽样条件下和在过抽样条件下,一维离散Gabor变换系数求解的块时间递归算法以及由变换系数重建原信号的块时间递归算法,研究了两算法使用并行格型结构的实现方法,并讨论和比较了算法的计算复杂性和优越性。     

基于多抽样率滤波实现离散Gabor展开与变换的快速并行算法

Gabor变换在信号处理领域一直被认为是一十分有用的时频分析工具,却因Gabor变换算法的高计算复杂性而限制了其实时应用.本文基于多抽样率滤波原理,设计了分析和综合滤波器组分别用于实现离散Gabor变换与展开,从而提出了全新的离散Gabor展开与变换快速并行算法.所设计的分析和综合滤波器组中的每一并行通道具有一致的结构并能够利用快速Fourier变换(FFT)及其逆变换(IFFT)减小计算量.每一并行通道计算复杂性非常小,只取决于输入离散信号的长度及Gabor频率抽样点数,并且每一并行通道计算复杂性不会随Gabor变换过抽样率增加而增大.本文对所提出的并行算法的计算复杂性进行了分析并与目前主要的离散Gabor展开与变换并行算法进行了比较,结果表明所提出基于多抽样率滤波实现离散Gabor展开与变换的并行算法对实时信号处理十分有利.     

基于DST的实值离散Gabor变换

Gabor变换已被公认为是通信和信号处理中信号与图像表示的最好的方法之一,一直以来对Gabor变换的研究和应用实际上是基于Fourier变换的复值Gabor变换,因此这里对实值Gabor变换进行了研究.采用双正交分析方法,定义了一种基于离散正弦变换(DST)的实值离散Gabor变换(RDGT),该变换不仅适用于临界抽样条件而且适用于过抽样条件,并证明了变换的完备性条件(即该变换中综合窗与分析窗的双正交条件),该实验结果也验证了变换的完备性.针对实值信号,该变换由于仅涉及实值运算,并可利用快速DST、IDST算法来加速变换,因此比传统复值离散Gabor变换在计算、实现方面更为简单.在实际应用中,将更方便于软件和硬件的实现.     

基于Gabor特征的快速贝叶斯人脸识别

对贝叶斯分类中两种计算相似度的公式进行简化,设计了基于Gabor特征的快速贝叶斯人脸识别方法.首先对人脸图像进行Gabor小波变换,把同一个人的Gabor特征与本人的类内Gabor均值图像之差作为类内差异图像,对类内差异图像进行小波分解取其低频图像;然后采用2DPCA方法建立类内特征子空间.对测试图像进行Gabor特征提取,并与目标图像的类内均值Gabor特征作差形成差异图像,对差异图像进行小波分解,提取低频子图信息投影到类内特征子空间,利用简化的贝叶斯准则进行分类.实验结果表明,该方法降低了算法复杂度,提高了识别率,并对光照和表情变化具有较强的鲁棒性.     

一种基于Gabor小波变换的图像倾斜矫正算法

提出了一种基于GabDr小波变换的图像倾斜矫正算法。首先选取一定角度的GabDr小波对标准无倾斜的图像进行单一尺度下的Gabor小波变换，记下各个角度下变换系数的个数，然后对倾斜图像进行与标准图像同样的变换，记下倾斜图像最多变换系数个数和此时的GabDr小波函数角度，与标准图像各个角度下的小波变换系数个数相比，取距离d为判据，当d最小时的标准图像Gabor小波函数角度与倾斜图像Gabor小波函效角度的差值即为倾斜图像的矫正角。实验结果证明该算法能有效地实现倾斜图像的矫正。     

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.     

多模态人脸识别中的人脸特征定位

多模态人脸识别技术是解决目前二维人脸识别领域瓶颈问题的一项重要手段.在二维人脸特征定位中结合Gabor变换和人脸弹性图方法,采用缩小搜索范围的方法提高系统效率;三维人脸特征定位首先采用PS方法进行粗略定位,然后仿照二维人脸识别方法定义Gabor变换系数向量进行精确定位,其中也采用一个模板来缩小搜索范围.试验证明,方法不仅效率高,而且能适应多种姿态和表情的变换.     

基于纹理的图像检索

为得到纹理特征提取的合适的算法,首先研究了基于灰度共生矩阵的纹理特征的提取方法,将彩色图像变换灰度图像,然后进行四个方向的纹理特征提取,包括能量、熵、惯性矩、相关量四个向量元素作为纹理特征值,并研究了基于Gabor小波的纹理特征的提取。首先将Gabor小波作为母小波,将图像进行二维的Gabor小波变换,将Gabor小波系数的均值和标准方差作为纹理特征值;将两种方法进行比较,查全率和查准率作为测量标准,实验表明基于Gabor小波变换的纹理特征方法在频域具有比较好的检索效果。     

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Gabor小波特征的多姿态人脸图像识别

多姿态人脸识别在很多领域具有重要的应用价值。基于多姿态人脸图像及Gabor小波特点选取离散化参数,对人脸图像进行Gabor小波变换;然后采用两步降维法对变换系数进行降维,基于降维后的Gabor特征表示实现人脸识别。实验将互不相交的两个样本集依次作为训练集和测试集,验证了该方法在人脸识别中对于不同姿态和表情的有效性及鲁棒性。     

基于Gabor的ICA变换和Fisher变换的人脸识别

本文提出一种基于Gabor特征的ICA变换和Fisher变换的改进人脸识别方法。算法首先利用Gabor小波可以良好的表达人脸局部纹理特征这一优点，为了进一步提高识别率，通过Fisher和ICA变换分别对Gabor小波系数抽取基于数据不同统计的特征，再结合支持向量机进行模糊分类。通过实验数据说明改进人脸识别方法可达到较高识别率。     

基于环形对称Gabor变换和PCA加权的人脸识别算法

环形对称Gabor变换不但具有Gabor小波的一般特性,而且具有信息冗余度小、严格的旋转不变性等优点.文中提出一种基于环形对称Gabor变换和PCA加权特征的人脸识别算法.首先将人脸图像变换到环形对称Gabor变换域,然后在变换域采用PCA加权方法提取分类特征.在3个人脸库上进行实验,与传统人脸识别算法的对比实验说明该算法的可行性和对光照、姿态变化具有更好的鲁棒性.