基于Gabor滤波和K-medoid聚类分析的人眼检测和瞳孔定位

针对人眼检测过程中存在的表情、光照和眼镜遮挡 等干扰因素的影响,提出一种基于Gabor滤波和 K-medoid聚类分析的人眼检测和瞳孔定位方法。首先采用鲁棒性较好的眼部横向特征作为 检测对象来设计了Gabor 滤波器,以突出眼部的横向特征;然后根据Gabor滤波后的眼部特征,并结合K-medoid算法 设计了聚类算法检测人眼;在人眼检测基础上,结合灰度分布特征和熵函数设计了瞳孔定 位方法。在BioID人脸库和FERET彩色人脸 库上进行了实验,结果表明,本文方法在两个图库的3470幅人脸图像 上能够达到97.8%的检 测率,并且在设置误差阈值较小(0.15)情况下仍能达到95.5%的瞳孔定位准确率。     

基于Log-gabor和分形技术相结合的图像分析方法

针对图像分析中人眼视觉的感知维度考虑不足和大多滤波器偏重低频波段等问题,文中提出了一种基于Log-Gabor和分形技术相结合的特征提取图像分析方法。该方法首先阐明了Gabor滤波器不足以及人眼视觉感知与分形维度相关的知识,然后结合Log-Gabor滤波器的无带宽限制优点和分形图像分析的方法,提取出与人眼相关度高的图像特征,大大降低了失真度,最后形成了基于上述方法的图像特征分析的一套模型。实验结果表明,采用文中提出的图像分析模型得到的分析结果与主观观测值有很高的一致性,在反应人眼感知的效果上也表现出很好的性能。     

基于隐式Gabor滤波与PCA的人脸识别算法

通过卷积计算Gabor特征然后再进行主成分分析(PCA)是经典的人脸识别方法之一,能取得较高的识别率。但由于需要计算多角度、多尺度下的Gabor特征,所以该方法的效率很低。为了提高效率,文中提出了一种利用Gabor特征但并不直接计算Gabor特征的主成分分析的方法。所提方法将Gabor特征的信息隐含在一个离线计算好的矩阵中,并将该矩阵包含在主成分特征提取中。在FERET和YALE人脸数据库上的实验表明,所提方法的识别速度提高了5倍左右,识别率也略有提升。     

基于Gabor多通道加权优化与稀疏表征的人脸识别方法

稀疏表征理论在模式识别中的应用引起广泛的关注。在用稀疏表征方法研究人脸识别问题中,为了使得表征系数矢量具有更为显著的稀疏性,该文提出一种Gabor稀疏表征分类(Gabor Sparse Representation Classification, GSRC)算法,该算法利用Gabor局部特征构造字典,增强算法对外界环境变化的鲁棒性。GSRC算法对所有的Gabor特征等同对待,通过进一步考虑不同Gabor特征对识别的不同贡献,该文提出了一种加权多通道Gabor稀疏表征分类(WMC-GSRC)算法,该算法通过引入Gabor多通道模型,提取不同通道的Gabor特征分别构造字典和稀疏表征分类器,在决策级执行分类器的加权融合得到识别结果。通过在ORL, AR和FERET人脸库上的实验结果验证了该文算法的有效性。     

基于Gabor低秩恢复稀疏表示分类的人脸图像识别方法

针对含光照、表情、姿态、遮挡等误差或被噪声污染的人脸图像的识别问题,本文提出一种基于Gabor低秩恢复稀疏表示分类的人脸图像识别方法。该方法首先用低秩矩阵恢复算法求得训练样本图像对应的误差图像;然后,对每一个训练样本图像及其对应的误差图像进行Gabor变换,得到相应的Gabor特征向量,并将这些Gabor特征向量组成一个Gabor特征字典;进而,计算测试样本图像Gabor特征向量在该Gabor特征字典下的稀疏表示系数,并用该稀疏表示系数和Gabor特征字典,对测试样本图像的Gabor特征向量进行类关联重构,同时计算相应的类关联重构误差。最后,根据测试样本图像Gabor特征向量的类关联重构误差,实现对测试样本图像的分类识别。在CMU PIE、Extend-ed Yale B和AR数据库上的实验结果表明,本文提出的人脸图像识别方法具有较高的识别率和较强的抗干扰能力。     

基于Gabor小波变换的人脸表情识别

在人脸表情识别中,针对Gabor小波变换特征维数很大的问题,提出了一种新的多方向特征编码方法。通过对Gabor特征幅值进行统计处理,将每个像素点同一尺度不同方向的Gabor特征幅值闽值化成二进制,加强了Gabor小波对图像局部结构信息的表征。同时,结合了类似旋转不变LBP的方法对图像进行降维。为了进一步提高表情的正确识别率,采用一种局部区域融合的方法,最后在JAFFE表情库上进行测试,得到比较好的识别率,验证了所提方法的有效性。     

线算子引导Gabor小波的视网膜血管分割

视网膜血管自动分割能辅助诊断某些眼底疾病和系统性血管疾病。为了提高血管自动分割的效率,因此提出了一种线算子引导Gabor小波的视网膜血管分割方法。利用线算子检测血管方向的最优匹配角,将其作为Gabor小波变换的旋转角构建4个不同尺度的Gabor小波,并提取4维Gabor小波特征,加上两个线强度和预处理后的图像灰度,构建7维特征向量,采用SVM进行分类。与其他基于Gabor小波的方法相比,本方法只需计算最优匹配角所对应方向的Gabor小波特征,大大降低了多尺度Gabor小波特征提取的计算量,此外线算子特征与Gabor小波特征的良好互补性,有利于提高血管与背景的辨别度。在DRIVE眼底数据库上进行实验,其平均准确率、灵敏度及特异性分别为0.9361、0.8238及0.9554,获得了不错的分割性能。     

用Gabo:展开进行地震数据的滤波

Gabor展开是用一组在时域及频域都局部化且具有能量集中性质的函数来展开信号,这种特征使得Gabor展开适于处理那些时间无关或非平稳的信号。利用框架理论,类似于SVD特征映像滤波方法,本文用Gabor展开滤波方法来进行地震信号的去噪处理。仿真结果显示出Gabor展开滤波方法的优越性。     

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.     

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...     

结合Gabor特征与Adaboost的人脸表情识别

通过提取人脸图像的Gabor特征，结合Adaboost，进行人脸表情识别（FER）。针对Gabor特征维数高、冗余大的特点，引入Adaboost算法进行特征选择降低特征向量的维数。然后再以支持向量机（SVM）和最近邻分类法相结合组成分类器进行分类。该方法综合运用了Gabor特征对于人脸表情的良好表征能力、Adaboost算法的强大特征选择能力以及SVM在处理少样本、高维数问题中的优势。在JAFFE库上进行测试的结果验证了该法的有效性。从Adaboost所选择的特征集可知，在眼和嘴区域提取的特征，对于FER是最为重要的。     

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.     

基于Gabor滤波器和ICA技术的SAR目标识别算法

提出了一种基于Gabor滤波器和独立分量分析(ICA)技术对合成孔径雷达(SAR)目标识别的算法.该方法提取预处理后SAR图像的低频子带图像,利用Gabor滤波器组对该低频子带图像在不同方向和尺度上滤波,再用主成分分析(PCA)+ICA方法对Gabor滤波后图像提取有效特征向量作为目标识别特征,最后用支持向量机(SVM)对该特征进行分类完成目标识别.使用MSTAR数据库中3类SAR目标数据对该方法进行目标识别的仿真实验,平均识别率最高可达96.56%.通过与其他识别方法对比实验,验证了文中方法的有效性.     

基于Gabor小波和支持向量机的人脸识别方法

基于Gabor小波在图像表征方面的优越性，提出了将Gabor小波和支持向量机(SVM)相结合用于人脸识别的方案。用Gabor小波对人脸图像进行特征提取，再利用SVM策略对特征向量进行分类识别，实验的仿真结果验证了本算法的有效性。     

基于Log Gabor小波相位一致不变量的目标识别

给出了一种基于Log Gabor小波的相位一致（PC）不变量的神经网络目标识别方法。针对Gabor小波存在的问题，分析了LogGabor小波优于Gabor小波的性能，给出了TPC不变量的定义，探讨了低层次图像不变量特征，运用LogGabor小波PC特征不变量公式进行了修正，提取了目标图像边缘特征。利用该方法进行了神经网络目标识别实验，仿真结果表明，该方法能够很好识别图像目标，识别率达到97％。     

基于Gabor小波和神经网的人脸检测

论文提出了一种基于Gabor滤波特征和的正面人脸检测方法。算法首先利用了Gabor滤波器的良好的空间位置与方向的选择特性,采用了四种方向的Gabor滤波器提取人脸样本图像特征并送入神经网路进行训练。实验结果证明该方法行是十分有效的。