显微图像Gabor滤波增强

提出一种基于自适应融合的多尺度多方向Gabor滤波图像增强方法.使用特定不同方向不同尺度Gabor滤波器与图像卷积,卷积图像进行规格化,通过取极小值和平均值对多通道图像Gabor滤波结果进行自适应融合,得到增强图像.并将其用于AFM显微图像增强,能有效消除阴影和噪声,获得良好效果.     

基于频谱分析的高分辨率遥感图像边缘特征检测研究

针对高分辨率遥感图像的边缘特征,提出了一种基于频谱分析的图像边缘检测方法.首先对南京市主城区典型地物QuickBird图像进行傅里叶变换,分析频谱能量的角向分布特征,对最大角向能量分布曲线求一阶导数,将其峰值作为边缘检测滤波器的中心频率.通过设计方向Gabor滤波器进行频域滤波,达到图像边缘特征检测的目的.结果表明,进行频谱分析能够确定图像边缘特征的最佳截止频率,从而为高分辨率遥感图像边缘特征检测提供一种新方法.     

基于方向滤波的超声图像边缘增强

由于斑点噪声的存在,传统的边缘增强算子常常会强化超声图像的斑点噪声,降低对比分辨率。针对这种情况,提出基于方向滤波的超声图像边缘增强算法。算法首先进行斑点去噪,然后基于纹理分析进行图像分割,判定图像的强边缘、弱边缘及反射伪影,最后以方向滤波为基础,计算强边缘和弱边缘的局部方向,设计方向滤波器,根据图像的方向自适应选择滤波器进行滤波,增强图像边缘。实验结果表明,原超声医学图像得到有效增强,边缘细节得以保留。该算法能有效地提取需边缘增强区域,获得满意的组织边缘增强效果,同时图像的反射伪影部分保持不变。     

基于Gabor滤波的头部CT图像分割算法

针对传统图像分割算法在头部CT图像分割时存在的易受光线、伪影等噪声干扰等问题,提出一种基于Gabor滤波的头部CT图像分割算法。首先使用Gabor滤波器对头部CT图像进行滤波,虑除图像中的光线以及伪影等噪声,然后使用Gaussian滤波器对图像进行平滑操作,最后使用二阶微分算子：Laplacian边缘检测算子对图像进行分割处理。实验结果表明：提出的基于Gabor滤波的头部CT图像分割算法能够有效的分割出头部CT图像边缘,并对头部CT图像中常见噪声伪影,具有很强的鲁棒性。     

基于多通道Gabor滤波器的纹理图像非监督分类

提出了一种快速、实用的Gabor滤波器设计方法.首先根据人类视觉特性选定Gabor滤波器的频率带宽参数,利用图像大小确定滤波器的中心频率,构造一组多通道的Gabor滤波器在时域和频域中提取图像多方向和多分辨率的Gabor能量特征,对特征空间进行非线性变换和Gauss滤波处理,最后通过K means方法实现纹理图像的分割.实验结果表明,该方法能有较好的纹理分割效果.     

基于方向滤波的监控图像边缘检测

监控图像的边缘检测是进行高级图像处理和模式识别的基础工作.将方向滤波理论引入监控图像的边缘检测中.通过Roberts算子的四方向滤波扩展,介绍了方向滤波用于边缘检测的一般过程;针对监控图像中斜坡边缘丰富的特点,引入Petrou-Kittler滤波器作为基础滤波器;用方向滤波理论改造Petrou-Kiuler滤波器,形成...     

一种新型煤矿视频监控图像滤波算法

针对煤矿视频监控图像存在噪声强度高且对比度低等问题,提出了一种新型煤矿视频监控图像滤波算法。该算法首先采用自适应Canny算子对图像进行边缘检测,实现边缘图像和非边缘图像的有效分离;然后对边缘图像引入直方图均衡化算法进行处理,以突出图像边缘信息,提高图像对比度;从滤波器的构建、结构元素的设计方面对经典数学形态学滤波算法进行改进,将其应用于非边缘图像的滤波;最后对处理后的边缘图像和非边缘图像引入图像融合机制进行加权融合。实验结果表明,与小波阈值法、经典数学形态学滤波算法相比,该算法具有较好的滤波效果。     

一种新型自适应指纹图像增强算法

针对Gabor滤波器在处理低质量指纹图像时增强效果不佳的缺陷,提出一种基于方向域和频率域的新型自适应Gabor滤波增强算法。该算法改进了指纹图像方向图和纹线频率的提取方法,通过计算图像方向一致性和平均纹线频率两个参数来共同自适应地调节Gobor滤波器变换窗的大小。实验结果表明：对于低质量指纹图像,该算法大大提高了方向图准确性,而且自适应Gabor滤波器在处理不同类型的指纹时更具优越性。     

基于Gabor滤波的快速虹膜识别算法

为提高系统虹膜识别系统的性能,提出了一种改进的虹膜识别算法。在虹膜定位阶段,通过瞳孔边界修正获得瞳孔真实边界,随后形态学边缘连接弥补Canny算子在虹膜外边缘检测中形成的边缘间断,最后利用最小二乘法椭圆拟合瞳孔边界、圆拟合虹膜外边缘。特征编码提取时,设计不同频率不同方向的Gabor滤波器分别对已分块的归一化虹膜图像进行滤波,根据虚部所产生的正负结果进行相位编码。实验结果表明了该方法的可行性和有效性,能够快速高效地实现虹膜分类。     

Gabor滤波器组实现颅脑图像的边缘快速提取

在医学图像处理过程中,针对一般方法提取颅脑图像边缘不是很清晰的情况,提出了一种基于短时傅立叶变换的新的Gabor滤波方法。该方法通过选取一组能够覆盖整个频域的滤波器,分别提取图像的局部边缘信息,然后按照一定的规则将提取出局部信息的多幅图像整合成一幅图像。普通Gabor滤波计算量较大,耗时较长,而该文所述方法能显著地减少运算量。并且相对于其他几种滤波方法也表现出定位准确,检测效果明显,以及鲁棒性较好的特点。     

相位一致性的理解及两种新的相位一致性模型*

首先研究了1D方波信号边缘处的相位分布特点,发现不同频率分量在边缘处的相位不一定收敛于同一个角度值,而是会随着占空比的变化而变化。因此,基于局部能量的相位一致性模型实际上是不同频率分量利用幅度加权后的平均结果。由于在多数自然图像中,图像频率分量的幅度会随着频率的增加而呈反比下降,基于局部能量的相位一致性模型主要由低频分量决定,这样在一定程度上降低了对边缘空间定位的精度。为了提高边缘检测的空间分辨力,提出了两种新的相位一致性模型。利用二维Log Gabor 滤波器提取图像的局部相位信息,分析了利用这三种相位一致性模型进行边缘检测的结果。实验表明,利用两种新的相位一致性模型可以检测到更加细致的图像边缘信息,具有更高的边缘空间定位能力。     

基于Gabor滤波器组的车牌汉字特征提取

提出基于Gabor滤波器组的特征提取新方法.利用汉字图像的统计信息及归一化信息,提出针对车牌汉字的有效的Gabor滤波器组参数优化方法,并设计一组Gabor滤波器用于提取车牌汉字图像中不同中心频率和方位的笔画纹理特征,实现直接对灰度图像的特征提取.实验结果表明,相比传统二值化特征提取方法,采用基于Gabor滤波器组的小波变换提取特征能够获得更良好的识别性能.     

基于Gabor滤波器组的织物疵点检测方法

给出了基于Gabor滤波器组的织物疵点检测方法。在分析Gabor滤波器时频特性的基础上,针对素色坯布织物疵点图像,设计了椭圆形多尺度多方向的Gabor滤波器组,并应用该滤波器组在频域对织物疵点图像进行滤波处理,对滤波后的多幅图像进行融合与分割处理,将疵点从织物背景中分割出来,从而实现了疵点的检测。实验结果证明了该方法的有效性。     

一种方向Gabor滤波纹理分割算法

结合人眼视觉特性，设计了一种方向Gabor滤波器，该滤波器顾及了纹理图像的方向特性；利用Gabor滤波器的带通技术，抑制次要纹理图像的主频率分量，增强目标纹理图像主频率分量，使滤波输出图像具有较大的类间离散度和较小的类内离散度，将纹理图像的分割转化为传统的图像分割，使图像的分割质量和算法效率都得到了提高。     

基于Gabor滤波器的指纹图像快速增强

研究并实现了利用Gabor滤波器对指纹图像增强的算法。改进了指纹图像方向图和纹线频率的提取方法,同时也对Gabor滤波器的快速实现方法进行研究,首先把Gabor滤波器分解为多个不同方向上有着不同参数的一维高斯滤波器的组合,然后通过递归的方法分别实现这些高斯滤波器,最后实现了Gabor滤波器的快速算法在指纹图像增强中的应用。实践表明,该方法效果良好,速度快,能大幅度提高指纹图像质量。     

利用Gabor方向导数相关矩阵的角点检测

为了提高角点检测的准确率,提出了一种使用图像的Gabor方向导数构建相关矩阵来进行图像角点检测的算法。算法首先通过Canny边缘检测算法提取检测图像的边缘轮廓;然后使用Gabor滤波器对图像进行平滑,利用每一个边缘像素和其邻近像素的Gabor方向导数构建相关矩阵,若相关矩阵的归一化特征值的和大于预定阈值并且是局部极大值,则标记该像素为角点。算法利用邻近像素Gabor方向导数之间的相关信息提取角点,与传统的基于轮廓的角点检测算法相比,检测性能更加稳健。实验结果表明：在含噪声和无噪声情况下,提出的算法检测到的真实角点更多,而错误角点更少,整体性能有明显提升     

基于局部图像锐化的自适应模糊边缘检测算法

为了准确检测出模糊边缘的位置 ,对用小尺度滤波器检测模糊边缘时噪声影响检测效果的原因进行了分析 ,依据这些噪声点在模糊边缘附近的统计分布规律 ,提出了一种用于图像锐化的阈值计算方法 ,算法自适应地计算图像不同区域对应的图像锐化阈值 ,并用这个值来锐化模糊边缘图像 ,实现对模糊边缘的准确提取。实验结果证明该算法能有效去除模糊边界处的干扰点 ,明显改进了小尺度滤波器提取模糊边缘的性能     

基于匹配Gabor滤波器的规则纹理缺陷检测方法

许多工业产品表面纹理都可以被认为是由基本纹理单元在空间按照一定的规则进行排列组合的结果,但由于各种原因,这些有规则纹理图象经常出现的一些缺陷,因而检测这些有规则纹理图象的缺陷是机器视觉检测的重要内容,为了对这种缺陷进行有效地检测,在对这类纹理图象进行功率谱分析的基础上,根据人眼的视觉原理,设计了两类匹配Gabor滤波器,即正常纹理匹配Gabor滤波器和缺陷纹理匹配Gabor滤波器,前者能够突出正常纹理,抑制缺陷纹理,而后者恰恰相反,在将这两类滤波器用于规则纹理图象缺陷的自动检测时,均获得了良好的检测精度和速度。