离散时间域的Gabor谱分析及其在语音处理中的应用

把Ｇａｂｏｒ谱应用于离散时间域，对典型信号进行处理和分析，并与短时傅里叶变换和离散Ｗｉｇｎｅｒ分布相比较，证明了离散Ｇａｂｏｒ谱不仅在时频域具有和离散Ｗｉｇｎｅｒ分布相同的高分辨率，优于短时傅里叶变换，而且能有效地消除离散Ｗｉｇｎｅｒ分布中交叉干扰的影响．文中还进一步应用离散Ｇａｂｏｒ谱，对汉语语音信号进行了处理，结果表明它可以较好地描述语音信号频谱的时变特性，为语音识别和话者识别开创了一种新的途径．     

离散Gabor展开双正交条件的Zak变换域表示

Ｇａｂｏｒ展开中，选择满足双正交条件的辅助函数是一个很重要的问题，给出了过采样率为有理数时离散Ｇａｂｏｒ展开双正交条件的Ｚａｋ变换域表示，从而可在Ｚａｋ变换域对辅助函烽施加约束或进行解算，所得结果是Ｊ．Ｍ．Ｍｏｒｒｉｓ等人要求过采样率为整数所得结果的广义化，实验结果表明在Ｚａｋ域解算双正交条件可节省计算时间与内存。     

Gabor展开法及其在波场分析中的应用

１９４６年，Ｇａｂｏｒ提出一种将信号分解为一组离散的高斯型基元信号的分析方法。由于高斯函数不能直接构成正交完备系，因而直到８０年代初随着双正交函数的引入，Ｇａｂｏｒ展开的存在性及唯一性问题才得以妥善解决。这一方法随之在信号分析及电磁口径辐射等问题中得以应用。在波场分析中，这一方法介于口径场辐射的空间波源积分表示与平面波谱积分表示之间，每个基元波束在几何光学近似下则能进一步简化为单根复射线场，这给实际问题的分析带来极大的方便。本文旨在对上述内容加以系统的归纳和总结。     

基于离散GABOR变换的抑制交叉项的新方法

文章在分析了ＷＩＧＮＥＲ分布（ＷＤ）的交叉项性质的基础上，采用离散Ｇａｂｏｒ变换的方法分解信号，然后对分解后的各分量信号加以ＷＤ，以达到减少交叉干扰的目的．通过理论分析和计算机仿真，证实了新方法抑制交叉干扰的能力．     

运动物体速度场估计的新方法

本文提出了一种具有一定应用价值的运动物体速度场的计算方法。本算法避开了现有的一些算法所遇到的图像分割问题，用一种类Ｈｏｐｆｉｅｌｄ神经网模型实现局部图像的Ｇａｂｏｒ分解，得到分解系数，对用Ｇａｂｏｒ基函数和式形式表示的图像进行傅立叶变换，求出其频谱不为零的点，并由这些点约束的平面方程求出速度。神经元网络的应用，缩短了优化计算所需时间而不降低计算精度。本算法在ＡＳＴ－３８６微机上进行了实现。     

基于Gabor变换的雷达图像滤汉及无监督分割

提出了一种基于Ｇａｂｏｒ小波变换的多尺度、多方向的ＳＡＲ图像去除斑点噪声及纹理分割算法，根据ＳＡＲ图像的特点设计一组Ｇａｂｏｒ滤波器，对ＳＡＲ图像进行二维Ｇａｂｏｒ变换，得到一组滤汉后多分辩率，多方向的图像、通过对滤波后的图像分别进行非线性变换，再用非相干均值平均滤出斑点噪声，并计算每个像素在选定窗口的能量，以此检测出纹理特征，用均方误差聚类方法得到分割的图像，给出对ＳＡＲ图像进行纹理分割的满意实     

初级视觉信息的Gabor小波表达研究

从神经信息的表象角度，在已建的初级视觉信息工的广义的Ｇａｂｏｒ函数模型基础上，结合小波变换方法，提出了初级视觉图像信息的Ｇａｂｏｒ小表达，探讨了它在视觉图象加工中的初步应用。     

一种高分辨率时频分析方法用于痫样脑电波识别的研究

痫样脑电波的自动识别，对于临床癫痫诊断和长时间的脑电监护具有重要的价值。文章在对一种高分辨率的时频分析方法－离散Ｇａｂｏｒ谱分解研究的基础上，对２０例癫痫患者的临床脑电信号进行了分析研究，从这些脑电信号的时频说待高线图上，得到了易于自动识别棘波和棘慢复合波的特征。     

虹膜纹理的相位编码

讨论了虹膜识别技术的虹膜特征提取及编码,提出了一种基于Ｇａｂｏｒ函数集的编码方法,利用Ｇａｂｏｒ滤波器的相位特征,对虹膜纹理进行编码．同时,针对此编码又提出了基于加权海明距离的识别方法,并阐述了其实际识别效果．实验结果证明,该方法具有良好的编码效果及很高的运算速度,是目前较好的一种虹膜纹理编码方法．     

基于小波理论的铸件缺陷纹理分类分析

根据纹理特征,提出了铸铝及铸铁缺陷的自动分类方法,通过类人眼对铸件缺陷的感知方式,运用Ｇａｂｏｒ小波函数分析了缺陷的纹理。为满足高速在线检测的要求,提出了启发式滤波器参数选择原则及Ｇａｂｏｒ函数在空域中快速而简便的运算方法。     

Gabor展开与变换研究综述

Gabor展开与变换是非平稳信号重要的时频分析工具之一,由其变换系数得到的Gabor时频谱揭示了信号中所包含的频率分量及其演化特性.综述了Gabor展开与变换的基本理论、研究进展与现状,简介了其在一些领域中的应用,并展望了未来的进一步研究.     

实值离散多窗Gabor变换窗函数求解快速算法

针对多窗实值离散Gabor变换(real-valued discrete Gabor transform,简称RDGT),综合窗簇与分析窗簇之间双正交性关系的窗函数计算复杂性高的问题,提出一种快速窗函数求解算法.该方法利用快速离散Hartley变换(discrete Hartley transform,简称DHT)及Hartley函数的正交性简化了窗函数的双正交条件关系式,从而降低窗函数计算复杂度.实验结果表明了该快速算法的高效性.     

基于Gabor特征和EHMM的人脸识别方法

针对传统人脸识别方法在受到表情、姿态和光照等影响时存在鲁棒性差的问题,提出了一种改进的人脸识别方法。在特征提取上,该方法首先提取人脸的Gabor特征,接着利用DCT(discrete cosine transform)压缩使得相似特征得到聚合,最后利用PCA(principal component analysis)分别筛选出最能够代表人脸各个区域的DCT系数。在识别方法上,该方法采用了嵌入式隐马尔科夫模型(embedded hidden markov model,EHMM),并基于人脸的认知结构信息对嵌入式隐马尔可夫人脸结构模型进行了改进。对比实验结果表明,该方法识别率高,复杂度低,并具有较好的鲁棒性,易于在工程上应用。     

多重Gabor框架的存在性与稳定性

鉴于冗余框架在信号处理与图像处理中起着重要的作用,研究了多重Gabor框架的存在性与扰动,给出多重Gabor框架存在的充分条件。 表明Gabor框架经过扰动后的函数族仍然是Gabor框架。 证明了不规则Gabor框架具有稳定性。     

A robust face recognition method using multiple features fusion and linear regression

This paper presents a robust face recognition algorithm by using transform domain-based multiple feature fusion and lin- ear regression. Transform domain-based feature fusion can provide comprehensive face information for recognition, and decrease the effect of variations in illumination and pose. The holistic feature and local feature are extracted by discrete cosine transform and Gabor wavelet transform, respectively. Then the extracted holistic features and the local features are fused by weighted sum. The fused feature values are finally sent to linear regression classifier for recognition. The algorithm is evaluated on AR, ORL and Yale B face databases. Experiment results show that our proposed algo- rithm could be more robust than those single feature-based algo- rithms under pose and expression variations.     

基于Gabor变换的表情识别系统的设计

针对Gabor特征维数和冗余度较高的缺点,对Gabor小波变换特征进行分块,提取了所有子块局部统计特征,然后使用PCA+LDA方法对这些特征进行选择,最后采用决策树分类法进行了人脸表情识别.实验结果表明:此方法在维数降低的同时,其识别性能比传统的方法更具优势.     

人脸识别中基于互信息的特征优选

人脸识别领域中常用Gabor小波系数表示人脸特征.然而,提取的人脸Gabor特征是高维数据,不可避免存在冗余和随机噪声的干扰.为了有效利用Gabor特征进行人脸识别,提出一种新的Gabor特征选取方法.首先计算训练集上的任两张人脸图像的Gabor特征差,生成类内空阃和类外空间.用单个Gabor特征训练筒单两值分类器,以其在类内空间和类外空间的分类错误率作为判据评价该Gabor特征的分类能力.在选取分类错误低的特征的同时还要再评估候选特征与已选特征间的互信息,这样优选出具有无冗余、低误差率的特征.最后对这些优选的Gabor特征进行主成分分析和线性判别分析完成人脸识别.在CAS-PEAL大型人脸数据库上的实验结果表明,所提出的方法不但可大大降低Gabor特征的维数,而且还有效提高了识别精度.