基于多通道Gabor滤波和D-S证据理论的虹膜识别

为了提高虹膜识别的准确性和稳定性，研究了Gabor滤波的虹膜特征提取方法，并在此基础上对虹膜特征进行了D-S(Dempster-Shafer)证据理论的改进．提出了多通道Gabor滤波和D-S证据理论的虹膜识别方法．该方法充分考虑到虹膜图像获取中被考察对象的姿态和环境光照等不确定性因素对识别结果的影响，通过选择不同频率和方向的Gabor滤波器组，有效提取虹膜特征，并结合D-S证据理论实现了虹膜特征决策．实验结果表明，所提方法增强了虹膜识别过程中抵御图像噪声、干扰和亮度变化等不利因素的能力，与标准的Gabor方法相比，识别率平均提高了4.05%．     

基于多通道Gabor滤波与CS-LBP的人脸识别方法

近来,局部二值模式(Local Binary Pattern,LBP)在人脸识别中取得了成功应用。然而,LBP提取的特征维数通常很高。而中心对称局部二值模式(Center-Symmetric Local Binary Pattern,CS-LBP)采用中心对称思想对图像进行编码,能够显著降低提取的特征的维数。为此,将CS-LBP应用于人脸图像特征提取,并结合多通道Gabor滤波,提出了基于多通道Gabor滤波与CS-LBP的人脸识别算法。在Yale,ORL,FETER标准人脸库上的实验结果表明,相比局部二值模式,CS-LBP以提取更少的特征维数取得了相当的识别率,并且,基于多通道Gabor滤波的CS-LBP能显著提高识别精度。     

基于Gabor多通道滤波和Hopfield神经网络的纹理图象分割

文章针对纹理图象的特点,提出了一种基于Gabor多通道滤波和Hopfield神经网络的纹理图象的分割算法。首先构造一组Gabor滤波器（2－D）提取纹理图象多分辨率和多方向性的空域和频域特征。为了使纹理特征更加明显,在此基础上对滤波图象进行非线性变换,最后利用Hopfield神经网络通过松弛迭代算法实现纹理图象的快速分割,取得了良好的分割效果。     

基于改进Gabor函数的图像检索

传统的基于Gabor小波能量特征的图像检索技术,在检索旋转图像时效果很差。为了解决这个问题,本文提出具有旋转不变性的Gabor纹理特征表示。本算法仅在特征提取阶段增加了一些求和运算,计算成本低。同时,新算法大大降低了特征空间的维数,不但减少了存放元数据所需的额外存储空间,而且降低了相似度计算的成本。模拟实验表明,新算法在检索结果的准确性方面有了较大提高,具有一定的优越性。     

一种基于局部Gabor滤波器组的手写体汉字识别方法

针对单一尺度的Gabor滤波器组只对某一特定粗细的手写体汉字敏感的缺点，提出了一种新颖的多尺度局部Gabor滤波器组。为了评估该方法的识别性能，提出了一个基于Gabor特征的手写体汉字识别系统，实验表明多尺度全局Gabor滤波器组在识别性能上明显提高，局部Gabor滤波器组在基本保持识别性能的情况下，特征维数明显降低，计算量和内存需求减少。该方法的创新之处在于选取局部Gabor滤波器，对863 HCL2000手写体汉字数据库的识别，最高平均识别率达到了92.32%，表明了该方法在手写体汉字识别中的有效性。     

基于YUV模型和Gabor滤波器的快速目标识别方法

为了满足移动机器人准确快速的目标识别要求,给出了一种基于YUV颜色模型和Gabor小波相结合的目标识别方法.该方法首先利用YUV色彩模型快速地对目标进行预识别,然后利用Gabor小波滤波器组对预识别后的结果进行精确识别.机器人对彩色足球的识别实验结果表明,该算法在准确识别目标的前提下,可以达到约12帧每秒的图像处理速度.     

用于字体识别的Gabor滤波角度GA优化方法

Gabor滤波角度对字体识别结果有重要影响,由于字体纹理与自然纹理的不同,现有的Gabor滤波器角度参数不适于提取字体纹理的有效特征。基于字体纹理的多变性,该文提出使用遗传算法通过对字体纹理的学习优化滤波角度参数,使之能够适应字体纹理的特点,以提高识别率。通过对常用的4种字体899块字体纹理样本的测试表明:遗传算法能够找到适合字体识别的角度参数,使用新的角度参数减少了识别时间,提高了字体识别率。     

基于一维Gabor滤波器的虹膜特征提取算法

虹膜识别是一种基于生物特征的身份识别方法,具有高度唯一、稳定可靠、非侵犯等优点.特征提取在虹膜识别系统中具有重要地位.本文在讨论几种虹膜特征提取算法的基础上提出了一种基于一维Gabor滤波器的特征提取的新的算法,实验结果表明,该方法能够快速、有效的提取虹膜的特征信息.     

一种基于Gabor滤波器的车型识别方法

提出一种快速、实用的基于Gabor滤波器的车型识别方法。该方法包括车辆分割、特征提取和模板匹配3个阶段。首先在车辆分割阶段,采用基于对数密度的背景消减法,降低光照变化带来的影响;其次提出一种新的非均匀采样策略,提取Gabor特征;最后应用模板匹配的方法对车型进行识别。和传统方法相比,该方法能够有效降低Gabor滤波器的计算量和存储空间,同时又使识别率和鲁棒性得到明显增强。实验数据亦表明了该方法的可行性和有效性。     

基于Gabor滤波的指纹图像增强算法

由于指纹的唯一性和不变性,指纹识别已成为当前最流行、最方便、最可靠的个人身份认证技术之一。指纹识别一般包括指纹采集、图像预处理、特征提取及特征匹配等几个步骤。其中图像预处理中的图像增强是最为关键的环节,直接影响特征提取与特征匹配。提出了一种基于Gabor滤波的指纹图像增强算法。阐述了Gabor滤波器的定义及其在指纹图像增强中的应用。对指纹图像方向图提取方法和频率计算方法作了改进尝试。实践表明,该方法是有效的、实用的。     

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滤波的指纹图像识别研究与实现

采用基于Gabor滤波指纹识别算法进行指纹图像中心点计算、扇形化、归一化、Gabor滤波、特征提取以及比对,并利用Matlab仿真实现该算法.在仿真实验中建立一定数量的指纹库,对该算法进行比对分析.     

基于纹理分布和Gabor滤波器的虹膜识别算法

该算法基干虹膜纹理的分布特点，将虹膜分成若干带，用Gabor滤波器对每带进行滤波编码，用各带Hamming距离的加权和来判决虹膜的匹配。与一些常规的算法相比，该算法充分考虑了不同区域的纹理特征对虹膜匹配贡献不同的特点，能有效地增大虹膜的类间距，利于进一步减少误识率和拒识率。该文给出了对CASIA虹膜库测试的数据，结果表明该算法是有效的和可行的。该算法已在一些场所的认证系统中试用，效果较理想。     

基于Gabor小波的人脸识别技术

本文首先通过直方图均衡化等预处理方法增强图像的整体对比度,使图像的细节更加清晰.然后利用Gabor小波变换,选取不同的尺度和方向对人脸表情特征进行提取.最后通过实验结果对比证明预处理后的图片在进行小波变换时能节省大量的运算时间,并提高识别率.     

基于Gabor滤波器和特征加权的红外图像识别

针对红外图像边缘模糊、噪声较多的特点,文中提出一种新的基于Gabor滤波器和特征加权的红外图像识别方法。该方法利用Gabor滤波器的多尺度特性对红外图像进行特征抽取,然后根据Gabor特征矢量中邻近分量的离散程度对其自身进行加权。通过对三种不同类型的红外车辆进行识别测试以及与传统的方法进行比较,结果表明Gabor特征矢量经过加权处理后,能够有效降低红外图像识别的错误率,增强鲁棒性。     

基于Gabor多方向特征融合与分块直方图的人脸表情识别方法

针对传统的Gabor特征表征全局特征能力弱以及特征数据存在冗余性的缺点, 提出一种新颖的采用Gabor多方向特征融合与分块直方图统计相结合的方法来提取表情特征. 为了提取局部方向信息并降低特征维数, 首先采用Gabor滤波器提取人脸表情图像的多尺度和多方向特征, 然后按照两个融合规则将相同尺度不同方向的特征融合到一起. 为了能够有效地表征图像全局特征, 将融合图像进一步划分为若干矩形不重叠且大小相等的子块, 分别计算每个子块区域内融合特征的直方图分布, 将其联合起来实现图像表征. 实验结果表明, 这种方法无论在计算量上还是识别性能上都比传统的Gabor滤波器组更具有优势. 该方法的创新处在于提出了两个Gabor多方向特征融合规则, 应用在JAFFE表情库上最高平均识别率达到98.24%, 表明其适用于人脸表情图像的分析.     

基于Gabor相位纹理表征的人脸识别方法

为降低Gabor特征的维数,提出一种基于Gabor相位的纹理表征(GPTR)方法,将其应用于人脸识别。GPTR采用广义高斯分布 (GGD)拟合Gabor相位的分布,将拟合的GGD参数作为纹理特征。采用保局投影方法对纹理特征向量进行子空间分析,进一步降低其维数并增强鉴别力。在FERET及Yale人脸库上的实验结果表明,相比传统的Gabor幅值特征,GPTR具有更高的人脸识别准确率。