手指多模态Gabor编码特征局部融合方法研究

鲁棒性特征提取一直是生物特征识别领域研究的一个重要问题。由于手指姿态易变,这个问题在手指多模态生物特征描述方面显得更为突出。为了较为稳定地刻画手指多模态生物特征信息,本文提出了一种新的基于Gabor特征编码的局部灰度特征提取方法。首先,对手指的三个模态指纹、指静脉和指节纹图像分别进行Gabor滤波,刻画它们的纹理方向特性,并分别获取Gabor方向特征编码。然后,分别对特征编码图像进行局部灰度特征分析,并以局部串联的方式对手指多模态生物特征进行融合。实验表明,该方法在自制的手指姿态多变的数据库中具有良好的识别性能。      

手指静脉红外图像血管网络修复新方法

由于手指静脉位于皮下,手指中的生物组织、手指解剖结构、皮肤结构成像特性等固有原因都给手指静脉成像造成不利影响。针对手指静脉图像中普遍存在的局部血管残缺问题,首次提出一种指静脉红外图像血管网络修复方法。首先,利用多尺度Gabor滤波对手指静脉图像进行增强,减少图像整体退化性模糊;然后,对指静脉图像进行二值化并提取血管骨架网,以便对血管网络缺损位置进行判断;再将提取的血管骨架端点、二分叉点作为血管骨架网络修复的源点,根据最小路径原则实现手指静脉图像血管骨架网络修复;最后,将Gabor增强方向图作为约束条件,复原血管网络的管径信息得到修复后的手指静脉二值化图像。实验结果表明:该方法可以实现手指静脉图像局部血管网络残缺修复,得到更加完整、稳定的血管网络结构,利用修复后的图像可以进一步提高手指静脉识别精度。     

手指静脉图像血管网分形修复方法

由于生物组织对近红外光具有高散射效应，手指静脉红外透射成像质量往往较差，血管网络存在信息残缺。为了解决指静脉血管残缺问题，本文提出一种基于分形的手指静脉红外图像血管网络修复方法。首先，利用多尺度Gabor滤波对指静脉图像增强，进而提取血管骨架；其次，利用Gabor滤波得到的方向特征对血管网络进行结构预修复；接着采用K均值聚类方法提取指静脉结构的父子血管长度比特征，将其作为一种分形特征；然后，利用该特征计算缺损血管长度；最后，建立血管点移动模板，通过统计相邻血管点位置移动概率实现血管形态模拟及网络修复。实验结果表明，本文方法可以实现指静脉图像局部残缺区域的修复，从而提高手指静脉识别精度。      

多方向多尺度Gabor特征表示及其匹配算法

Gabor滤波是众所周知的一类特征提取方法,在机器视觉等领域得到了广泛研究和应用.本文提出了一种多方向多尺度Gabor特征表示、提取以及其匹配算法.多方向多尺度Gabor特征通过使用一组不同尺度和不同方向的Gabor滤波器对图像进行滤波,而后将滤波结果在各个滤波方向按尺度大小排序后连接而成.本文进一步提出了循环向量的概念,并将两个多方向多尺度Gabor特征相似度重新定义为一个多方向多尺度Gabor特征和对应的多个循环向量之间最大值.实验结果表明,本文提出的多方向多尺度Gabor特征不仅具有平移不变性、旋转不变性、尺度不变性,也展现出优秀的局部特征表示能力以及显著的鉴别力.     

基于环形Gabor小波与CS-LBP算法在人脸识别中的应用

多尺度多方向的Gabor变换能提取人脸在空域和频域的局部信息,表达并刻画出人脸的大量特征,但在特征描述上会产生大量冗余,环形对称Gabor变换同样具有小波的共性并且能降低冗余量,在方向上具有严格的不变性。中心对称局部二值模式(CS-LBP)能提取出人脸中细节的纹理特征,把上述两种算法相结合,利用设定Gabor能量来获取最适合的滤波窗口,并对人脸特征进行提取和识别,最后用实验结果验证了环形Gabor和CS-LBP算法在人脸识别中具有很好的应用。     

基于Gabor变换的中文字符特征提取方法研究

针对传统汉字字符特征提取方法的不足,提出了一种基于Gabor变换,对图像纹理特征的方向性敏感的字符特征提取方法。先将灰度字体图像进行二值化、归一化处理,再利用Gabor滤波器进行滤波,获取图像的内部纹理特征和边缘信息,进而从不同方向进行特征提取。实验证明利用gabor变换计算中文字符图像的笔画方向特征,对中文字符具有较好的分类效果。     

多尺度Gabor小波变换在图像检索中的应用

在基于内容的图像检索中,纹理特征是一种重要而又难以描述的特征。为提高图像检索中纹理特征的提取效率,通过对Gabor滤波器滤波特点的研究,提出一种基于多尺度Gabor小波纹理的图像检索方法。设计了一组具有多种尺度和多个方向的滤波器组,选择并优化滤波器组的各参数,对图像进行滤波和特征提取。设计并实现了一个基于Gabor纹理...     

基于图像配准的指静脉身份认证技术

手指静脉在采集时手指旋转和姿态改变导致静脉形变和图像阴影,影响手指静脉身份验证的准确性。因此,文中提出一种基于图像配准的指静脉认证方法,通过少量稳定特征点配准认证图像,并提取两幅配准图像的纹理特征进行身份验证。该方法首先选择邻域清晰度高的静脉叉点作为特征点,然后对特征点进行匹配,并将两幅图像配准,最后根据纹理特征计算两幅配准图像的相似度。所提方法主要克服了基于特征点匹配的方法中点对数量少的问题,并解决了静脉形变的问题。实验结果证明,该方法较模板匹配和特征点匹配方法具有良好的性能。     

基于Gabor滤波器和局部纹理特征提取的SAR目标识别算法

该文提出了一种基于Gabor滤波器和Three-Patch Local Binary Patterns(TPLBP)局部纹理特征提取的合成孔径雷达(Synthetic Aperture Rader, SAR)图像目标识别算法。首先, 利用Gabor滤波器对SAR图像在不同方向上进行滤波, 增强SAR图像中目标及其阴影的关键特征;然后, 利用TPLBP算法对Gabor滤波之后的图像进行局部纹理特征提取, 该算法克服了Local Binary Patterns(LBP)算法无法描述大范围领域纹理特征的缺陷, 并且保持了LBP旋转不变的特性, 减少了SAR图像目标方位变化对识别效果的影响;最后利用极限学习机(Extreme Learning Machine, ELM)分类器实现目标识别。该文通过MSTAR数据库中的3类SAR目标识别实验验证了该算法的有效性。      

基于Gabor环滤波的纹理分割方法

针对纹理分割问题,提出了一种在频率域呈环形分布的Gabor滤波器组(Gabor环)的设计方法,在能量意义下给出了自适应选择滤波环带的步骤,并给出了经Gabor滤波后纹理特征的计算公式。根据给定Gabor滤波器环具有的多方向特性对不同纹理图像进行滤波,然后计算滤波后各点特征,并利用这些多方向特征进行纹理分割。实验表明该方法能取得较好的分割效果,并具有很强的通用性。     

基于双Gabor方向韦伯局部描述子的掌纹识别

该文结合掌纹图像的纹理特点,对原始韦伯局部描述子(WLD)中的差分激励和梯度方向进行改进,提出双Gabor方向韦伯局部描述子(DGWLD),以提高掌纹识别率。在构建新的差分激励图时,通过加入邻域像素点与中心像素点间灰度差分的方向信息,扩大异类掌纹间的差异。同时,采用双Gabor方向代替原始的梯度方向,减小平移和旋转对识别的影响。此外,为了更好地衡量特征间的相似度,使用交叉匹配算法,进一步提升识别率。在PolyU, MSpalmprint和CASIA掌纹库上进行实验,识别率均达到100%。实验的结果表明,与其它局部描述子和已有改进的WLD方法相比,该文方法具有更高的识别率和更低的等错误率。     

基于局部边缘二值模式的图像检索

在定义局部边缘的基础上提出了局部边缘二值模式(LEBP),并结合Gabor滤波器将其扩展到多分辨率LEBP(MLEBP)。对传统的中心对称局部二值模式(CS-LBP)和方向局部二值模式(D-LBP)进行了改进,新描述符在不增加计算复杂度和提高特征维数的基础上,进一步融入了局部边缘信息。为验证新描述符的性能,采用3个通用的纹理图像库进行图像检索实验。结果表明,结合本文方法,明显提高了传统描述符的分辨能力。     

方向无关遥感影像的纹理分类算法

首先根据遥感影像空间分辨率较低,局部区域内图像纹理变化不大的特点,对遥感影像进行合理的分块,使得各分块具有单一的主纹理特征;然后利用Gabor小波变换提取各图像块的纹理特征向量,并通过简单的循环移位算法,方便的形成方向无关的纹理特征向量;进而引入改进的棋盘距离来描述图像块间的相似度,最后使用无监督聚类算法对影像块进行分类,达到了很好的分类效果．     

应用Gabor小波和支持向量机的纹理分类

针对现有纹理分类算法的局限性,提出了一种基于Gabor小波和支持向量机的纹理分类算法.首先提取纹理Gabor分解后各子带的均值和方差作为特征向量,进而利用支持向量机算法实现分类.实验结果表明,与传统的分类方法相比,Gabor小波和支持向量机相结合能有效地提高分类正确率.     

多尺度超像素纹理特征保持与融合的高光谱图像分类

高光谱图像的低空间分辨率特性往往导致全局纹理提取技术难以获取地物要素的精准纹理信息,同时,单一尺度的局部纹理提取技术难以达到有效识别地物的目的。基于此,该文设计了一种多尺度超像素纹理保持与融合(MSuTPF)的高光谱图像分类方法,主要架构如下:首先,利用2D Gabor滤波器对高光谱图像进行多方向与尺度的全局纹理提取,并通过融合各尺度的纹理特征,增强纹理结构表征能力;其次,融合纹理与光谱主成分特征以形成光谱-纹理联合判别特征;再次,采用形状自适应的超分割方法,作用至光谱-纹理联合特征进行局部纹理信息保持与融合,尤其是,为克服超像素邻域像元的隐性不相关问题,该文定义了基于密度最近邻相似性评价准则,使超像素纹理进一步趋于一致性;最后,将各更新的光谱-纹理联合特征输入像素级分类器获取其对应的类标签,并采用多数表决的决策融合机制取得最终分类结果。Indian Pines和Pavia University真实数据集的实验表明,该方法在小样本条件下的分类精度优于基准分类器(SVM)、深度学习方法(GFDN)以及最新的空-谱分类方法(S3-PCA)等8个对比方法,充分证明了该文所提方法的实用性和有效性。     

Design-based texture feature fusion using Gabor filters and co-occurrence probabilities.

A design-based method to fuse Gabor filter and grey level co-occurrence probability (GLCP) features for improved texture recognition is presented. The fused feature set utilizes both the Gabor filter's capability of accurately capturing lower and mid-frequency texture information and the GLCP's capability in texture information relevant to higher frequency components. Evaluation methods include comparing feature space separability and comparing image segmentation classification rates. The fused feature sets are demonstrated to produce higher feature space separations, as well as higher segmentation accuracies relative to the individual feature sets. Fused feature sets also outperform individual feature sets for noisy images, across different noise magnitudes. The curse of dimensionality is demonstrated not to affect segmentation using the proposed the 48-dimensional fused feature set. Gabor magnitude responses produce higher segmentation accuracies than linearly normalized Gabor magnitude responses. Feature reduction using principal component analysis is acceptable for maintaining the segmentation performance, but feature reduction using the feature contrast method dramatically reduced the segmentation accuracy. Overall, the designed fused feature set is advocated as a means for improving texture segmentation performance.     

Image retrieval using VQ-based local gabor feature

A new method of retrieving images from large image databases is proposed. The method is based on vector quantisation (VQ) of local texture information extracted by a Gabor wavelet filter bank at interest points automatically detected in an image. The performance of the proposed method is tested on a trademark image database and compared with the performance of some existing methods     

Invariance properties of gabor filter-based features--overview and applications.

For almost three decades the use of features based on Gabor filters has been promoted for their useful properties in image processing. The most important properties are related to invariance to illumination, rotation, scale, and translation. These properties are based on the fact that they are all parameters of Gabor filters themselves. This is especially useful in feature extraction, where Gabor filters have succeeded in many applications, from texture analysis to iris and face recognition. This study provides an overview of Gabor filters in image processing, a short literature survey of the most significant results, and establishes invariance properties and restrictions to the use of Gabor filters in feature extraction. Results are demonstrated by application examples.