Gabor滤波器的纹理分割

提出了基于Gabor滤波器和FCM的纹理分割法。讨论了Gabor滤波器的选择。将Gabor滤波器用于提取纹理的特征,通过FCM的聚类来进行分割。将该方法运用于普通纹理图像及自然纹理图像——地震剖面图像的分割,仿真实验证明了方法的有效性。     

应用Gabor纹理特征的水管内壁图像分类

Gabor滤波器在图像分析和机器视觉方面得到广泛应用.将Gabor滤波用于识别地下水管内壁图像,对管壁损坏程度进行分类.针对Gabor函数之间的非正交性,优化参数,尽量减少滤波输出数据中的冗余信息,使用一组不同频率响应和角度特性的Gabor滤波器获取图像块纹理信息,并用主分量分析(principal components analysis, PCA)对得到的高维特征向量进行降维.对提取的纹理特征进行k-均值聚类,实验结果验证了该方法的有效性.
     

多通道Gabor特征的融合聚类图像纹理分割

针对图像纹理分割,提出了采用图像Gabor多通道特征进行融合聚类方法.首先采用Gabor小波对图像进行卷积滤波,得到每个像素点的多尺度多方向的Gabor特征,然后对其进行标准化以及Gauss平滑,减少噪声影响.对每个优化后的Gabor特征作为训练值,采用融合聚类算法每次随机选择部分特征进行聚类,通过运行多次基聚类,然后对聚类结果采用投票的方式得到最终的图像纹理分割,通过人工合成纹理与自然纹理图像实验证明该方法对纹理的分类具有较高的正确率.     

基于纹理特征的超声医学图像检索

在医学信息学领域，对医学图像物理特征的研究有助于实现图像的自动分析和基于内容的检索，为此，提出一种改进的Gabor纹理特征提取方法．通过超声医学图像的分析获得图像主要的纹理频率和方向特性，以此构成图像纹理特征矢量，降低了图像的纹理特征的维数．用该特征进行基于内容的图像检索，避免了采用Gabor小波在检索中带来的维数危机．通过对五类超声心动图像的检索实验，证明该方法的检准率和检全率较高，检索时间较短，能够取得较为满意的结果．     

基于Gabor特征和局部二值模式融合的纹理图像识别

传统的Gabor滤波方法和局部二值模式(Local Binary Pattern,LBP)算法提取的纹理特征鉴别能力不足,导致纹理识别精度不够理想.为了解决上述问题,提出一种将全局Gabor特征和局部LBP特征进行融合的纹理图像识别方法.该方法利用Gabor滤波方法提取纹理图像的全局特征,利用LBP算法提取纹理图像的局部特征,然后在最近子空间分类器的框架下实现全局和局部特征的融合以及纹理图像识别.在CURe T和KTH-TIPS基准纹理库上的实验结果表明,笔者提出的方法显著超越了传统Gabor滤波方法和LBP算法的纹理识别精度.     

基于Gabor的伸长局部二值模式及其人脸识别应用

提出一种基于Gabor的伸长局部二值模式(elongated local binary pattern,ELBP)的人脸识别方法。该方法首先对人脸图片进行Gabor滤波,得到一组Gabor幅值图像(Gabor magnitude maps,MMPs);然后利用ELBP提取每一幅幅值图像的纹理特征,并用ELBP纹理特征的直方图特征和平均最大距离梯度幅值特征联合表示该图像纹理特征;最后,通过比较测试图片和训练集的直方图交叉距离进行识别。在YALE,YALE-B,UCD-VALID,CMU-PIE等人脸库进行测试,所提方法取得了理想的效果,证明所提方法能够有效地进行人脸识别。     

基于Gabor变换的雷达图像滤波及无监督分割

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，得到一组滤波后多分辨率、多方向的图像．通过对滤波后的图像分别进行非线性变换，再用非相干均值平滑滤出斑点噪声，并计算每个像素在选定窗口内的能量，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验结果，对照试验表明，该方法优于空间灰度共现矩阵方法．     

基于3-D Gabor纹理特征和GBDT分类器的高光谱分类方法

为了有效提取高光谱图像的空间和光谱维特征,获得准确率和分类效率俱佳的方法,利用52个不同方向和频率的3-D Gabor滤波器提取图像的纹理特征,结合梯度优化决策树分类器(GBDT)完成高光谱图像分类.结果表明3-D Gabor+GBDT方法的分类准确率高于CNN算法、Gabor以及EMAP为纹理特征的方法,且高于CNN和以SVM为分类器的方法.虽然3-D Gabor+GBDT建模训练时间长,但是该方法在保持高准确率的前提下,分类效率依然较高,适合大规模高光谱图像的在线分类场景.     

Gabor小波和局部二值模式结合的一种人脸识别算法

针对传统的Gabor小波存在提取特征维数高、识别时间长的缺点,对Gabor小波的使用方法进行了改进.首先利用Gabor小波的幅值直接与人脸图像作乘积得到Gabor图像,接着使用局部二值模式得到纹理图像,然后提取出纹理图像的直方图信息,并作为人脸图像的特征,最后使用支持向量机作为分类器,在未经过预处理的ORL人脸数据库中取得95.0%的识别率.平均每张人脸图像识别时间为0.14 s,表明该算法能符合实际应用的要求.     

改进的Gabor变换图像纹理特征提取方法应用研究

提出一种具有近似旋转不变性的改进Gabor小波变换纹理特征提取方法,由小波变换系数模的均值和标准方差组成特征向量表示图像内容,利用10幅Brodatz纹理图像经过旋转、分割组成的图像数据库进行了检索测试,并与传统Gabor变换和二元树复小波变换特征提取方法的分类结果进行了比较分析,实验表明本文方法有效地提高了图像检索精度.     

皮肤纹理检测技术

提出一种将基于粒子群模糊聚类算法的边缘检测方法和Gabor小波变换相结合来进行皮肤纹理检测的方法.用边缘检测的方法将明显具有很多边缘的肤色区域剔除,对于没有明显纹理的皮肤区域用Gabor小波变换进行皮肤的纹理检测.仿真结果表明,所研究的方法正检率获得提高,误检率有所下降,是一种有效的皮肤纹理检测技术.     

一种基于Gabor滤波器的竹节纱检测方法

竹节纱是纺织工业中广泛使用的一种花式纱,为了检测和提取织物中的竹节纱,结合人眼视觉特性,提出了一种基于Gabor滤波器的竹节纱检测方法.根据竹节纱分布的方向特性,利用Gabor滤波器的带通技术,设计了一个目标函数,通过该函数来抑制织物正常纹理的频率成分,增强了竹节纱的频率成分,从而达到了检测竹节纱的目的.大量实验结果表明,该方法获得了较好的检测效果.     

一种基于Gabor小波和颜色参数模型的阴影检测算法

本文提出了一种基于Gabor小波纹理特征分析和阴影参数模型颜色分析的阴影检测算法.首先,建立背景的混合高斯分布模型,通过对特定帧的颜色分析建立阴影参数模型.对图像序列中的每一帧,首先通过差分法提取出前景区域,然后通过Gabor小波滤波的方法,对背景和前景图中的相同小区域进行纹理特征分析,比较特征向量的距离,以判断潜在的阴影点.然后,通过阴影参数模型对这些潜在的阴影点进行颜色分析,并通过连通区域标记,形态学运算,FPR(去除假阴影)分析等方法,找出真正的阴影区域.实验结果表明,本算法具有较高的阴影检测率和物体检测率,可以满足实时检测的需要.     

基于结构的指纹特征抽取方法

为了弥补传统的提取细节特征点的方法在小面积指纹图像识别上的不足，针对指纹脊线纹理结构进行了详细研究，分析了Gabor滤波器应用在纹理上的原理，建立了用于指纹识别的Gabor滤波器的物理模型，在此基础上设计了基于Gabor滤波器获取指纹特征的算法.首先提出了一种快速和简便的自动定位指纹图像中心点方法，以中心点为参考点在其周围确定特征提取区，根据Gabor滤波器的性质对其进行8方向滤波提取特征.通过在标准指纹数据库上的对比实验，显示了该方法的有效性.     

基于Gabor小波和LPP的浮选过程泡沫纹理特征提取及应用

针对Gabor小波进行特征提取时易造成维数灾难和识别效率不高的问题,提出一种基于Gabor小波滤波和局部保持投影(LPP)降维算法相结合的泡沫纹理特征提取方法.首先,利用Gabor滤波器获得原始泡沫图像5个尺度和8个方向的高维特征描述向量;然后,利用LPP算法得到降维特征向量;最后,利用此降维特征向量通过反向传播(BP)神经网络进行不同工况下泡沫类别的识别,进而指导实际矿物浮选生产.实验结果表明,相对于传统的GLCM方法和Gabor小波纹理特征提取方法,该方法可有效降低泡沫纹理特征向量维数并具有更高的识别效率.     

一种改进的基于统计的阴影检测方法

阴影检测与抑制是视频处理系统不可或缺的环节。该环节将直接影响目标跟踪、物体识别等的精确性。常用的阴影检测算法很难同时解决好阴影的误检和漏检这一对矛盾问题。本文根据Gabor滤波器在空间域上可选带宽和方向的特性,并结合基于统计的方法来实现阴影检测。这种方法的优点是综合考虑了亮度、色差和纹理特性,从而能优化阴影检测效果。     

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．