基于Gabor滤波器和SVM分类器的红外车辆检测

提出一种基于Gabor滤波器和支持向量机(SVM)的红外车辆检测方法。该方法首先应用阈值分割并结合边检测确定候选区域;其次应用Gabor滤波器对选定的车辆和背景样本集进行特征提取,训练SVM分类器。这里提出一种特征加权技术,即根据特征矢量中邻近分量的离散程度对其自身进行加权;最后应用SVM进行分类检测,以判断候选区域内是否存在车辆。实验数据表明了该方法的实用性和可行性。     

基于Gabor滤波的语音识别鲁棒性研究

为了提高语音识别系统的鲁棒性,提出一种基于GBFB（spectro-temporal Gabor filter bank）的声学特征提取方法,并通过分块PCA算法对高维的GBFB特征进行降维处理,最后在多个相同噪音环境对GBFB特征以及常用的GFCC,MFCC,LPCC等特征进行抗噪性能对比,与GFCC相比GBFB特征的识别率提高了5.35%,与MFCC特征相比提升了7.05%,比LPCC特征识别的基线低9个分贝。实验结果表明,在噪音环境下与传统的GFCC、MFCC以及LPCC等特征相比GBFB特征有更优越的鲁棒性。     

一种基于小波特征的红外图像识别方法

本文首先对原始红外图像进行适当的预处理,然后用由Gabor小波滤波器的线性组合所构成的复合滤波器提取红外图像的特征,并且用神经网络获取最佳复合滤波器参数,从而得到最佳的目标特征矢量.本文用两类方向相反(左向和右向)的低对比度红外坦克图像进行计算机仿真实验,取得了较好的识别结果.     

基于一维Gabor滤波器的虹膜特征提取算法

虹膜识别是一种基于生物特征的身份识别方法,具有高度唯一、稳定可靠、非侵犯等优点.特征提取在虹膜识别系统中具有重要地位.本文在讨论几种虹膜特征提取算法的基础上提出了一种基于一维Gabor滤波器的特征提取的新的算法,实验结果表明,该方法能够快速、有效的提取虹膜的特征信息.     

一种基于Gabor滤波器的车型识别方法

提出一种快速、实用的基于Gabor滤波器的车型识别方法。该方法包括车辆分割、特征提取和模板匹配3个阶段。首先在车辆分割阶段,采用基于对数密度的背景消减法,降低光照变化带来的影响;其次提出一种新的非均匀采样策略,提取Gabor特征;最后应用模板匹配的方法对车型进行识别。和传统方法相比,该方法能够有效降低Gabor滤波器的计算量和存储空间,同时又使识别率和鲁棒性得到明显增强。实验数据亦表明了该方法的可行性和有效性。     

基于纹理分布和Gabor滤波器的虹膜识别算法

该算法基干虹膜纹理的分布特点，将虹膜分成若干带，用Gabor滤波器对每带进行滤波编码，用各带Hamming距离的加权和来判决虹膜的匹配。与一些常规的算法相比，该算法充分考虑了不同区域的纹理特征对虹膜匹配贡献不同的特点，能有效地增大虹膜的类间距，利于进一步减少误识率和拒识率。该文给出了对CASIA虹膜库测试的数据，结果表明该算法是有效的和可行的。该算法已在一些场所的认证系统中试用，效果较理想。     

基于Gabor滤波的虹膜识别系统设计

随着科学技术的发展,信息安全在各个领域显得越来越重要,生物识别技术由于其特有的性质,在传统的识别领域中脱颖而出;其中,虹膜识别以高可靠性和差异性,成为目前安全性最高,最理想的生物识别技术;为增强虹膜识别算法的定位效率,提出一种改进定位算法,即二值化分割出瞳孔区域时,修正瞳孔边界,提高虹膜定位精度,有效提高识别速度;虹膜识别算法是整个系统的核心,要使虹膜识别具有良好的效果,需要对虹膜图像进行一系列的处理;为了完整高效地实现虹膜识别系统,对Gabor滤波器的原理及实现方法进行具体分析,研究Daugman虹膜识别算法,设计并完成了虹膜图像预处理,特征提取,二维Gabor滤波器的构建及参数选取等,经仿真实验,能够非常高效地完成虹膜特征提取并识别比对,计算速度和效果均优于传统算法。     

Gabor滤波器参数设计及其在虹膜识别中的应用

利用二维Gabor滤波器组编码虹膜纹理的方法,已被广泛地应用于虹膜识别中。该方法的关键是滤波器组的参数设计,直接影响着识别准确率。深入分析了二维Gabor滤波器各参数的作用,提出了一种适用于虹膜纹理特征提取的Gabor滤波器参数设计方法。该方法根据理论分析建立起参数间的关系,借助傅里叶变换和频谱分析确定参数取值。实验证明,依据该方法设计的滤波器组用于虹膜识别,效果好、识别率高。     

结合Gabor特征和自适应加权Fisher准则的人脸识别

在基于Fisher准则的字典学习算法中,初始字典的选取和目标函数的构建,严重影响字典学习的效果。为了减少初始字典的影响,提高算法的表达和判别能力。提出了一种结合Gabor特征和自适应加权Fisher准则的人脸识别算法。该算法首先采用Gabor滤波器提取人脸特征,将提取到的Gabor人脸特征作为人脸训练集;通过添加遗忘函数和根据样本间的距离对训练样本自适应加权,改进Fisher准则字典学习算法;利用测试样本编码系数的误差进行识别。在人脸库上的实验表明,算法不仅能很好地提取图像的特征信息,而且可以有效地提高人脸识别率。     

基于Gabor滤波和特征三角形的驾驶员面部跟踪

文章提出了一种驾驶员面部跟踪的鲁棒、有效的视频图像人脸跟踪算法。该算法根据水平投影曲线获取眼睛、鼻孔和嘴等区域构造特征三角形(包括等腰三角形和直角三角形),再根据刚体约束生成潜在人脸跟踪矩形区域。再采用二维Gabor核函数构造最优滤波器48个,在特征跟踪矩形区域内获取48个人脸特征点。该算法能够在不同尺寸、不同光照、不同姿态和不同表情甚至不同噪音情况下跟踪人脸有效率达97.81%。     

基于多通道Gabor滤波和D-S证据理论的虹膜识别

为了提高虹膜识别的准确性和稳定性，研究了Gabor滤波的虹膜特征提取方法，并在此基础上对虹膜特征进行了D-S(Dempster-Shafer)证据理论的改进．提出了多通道Gabor滤波和D-S证据理论的虹膜识别方法．该方法充分考虑到虹膜图像获取中被考察对象的姿态和环境光照等不确定性因素对识别结果的影响，通过选择不同频率和方向的Gabor滤波器组，有效提取虹膜特征，并结合D-S证据理论实现了虹膜特征决策．实验结果表明，所提方法增强了虹膜识别过程中抵御图像噪声、干扰和亮度变化等不利因素的能力，与标准的Gabor方法相比，识别率平均提高了4.05%．     

基于Gabor小波的人脸识别技术

本文首先通过直方图均衡化等预处理方法增强图像的整体对比度,使图像的细节更加清晰.然后利用Gabor小波变换,选取不同的尺度和方向对人脸表情特征进行提取.最后通过实验结果对比证明预处理后的图片在进行小波变换时能节省大量的运算时间,并提高识别率.     

基于投影变换的声纳图像特征提取与识别

用投影变换的方法进行了成像声纳采集的水声图像特征提取与识别。阐述了Radon与扇束投影变换的特点与关系,并提出了一种基于图像边缘Radon变换的水声图像矩特征提取和识别方法。首先使用一种形态学边缘提取算子和细化算法提取二维图像中目标的轮廓,构造目标轮廓在 Radon变换空间的平移、比例和旋转矩不变量,并应用于三类水下物体的分类识别中,实验仿真结果表明该方法在运算速度上优于Hu’s不变矩和图像目标面Radon投影空间不变矩,具有很好的性能和较高的实用价值。     

基于Gabor直方图特征和MVBoost的人脸表情识别

提出采用Gabor变换与分级直方图统计相结合的方法来提取表情特征,以分层次反映局部区域内纹理变化的信息.这比仅用一维的Gabor系数具有更强的特征表示能力.借助直方图特征,还设计了向量输入、多类连续输出的弱分类器,并嵌入到多类连续AdaBoost的算法框架中,得到了向量输入、多类输出的MVBoost方法.该方法直接对特征进行多类的判决以满足多类时分类的需求,而不必训练多个二分类的AdaBoost分类器,从而使训练过程和分类过程都得到简化.     

一种基于局部Gabor滤波器组的手写体汉字识别方法

针对单一尺度的Gabor滤波器组只对某一特定粗细的手写体汉字敏感的缺点，提出了一种新颖的多尺度局部Gabor滤波器组。为了评估该方法的识别性能，提出了一个基于Gabor特征的手写体汉字识别系统，实验表明多尺度全局Gabor滤波器组在识别性能上明显提高，局部Gabor滤波器组在基本保持识别性能的情况下，特征维数明显降低，计算量和内存需求减少。该方法的创新之处在于选取局部Gabor滤波器，对863 HCL2000手写体汉字数据库的识别，最高平均识别率达到了92.32%，表明了该方法在手写体汉字识别中的有效性。     

基于Gabor系数分块统计和自适应特征选择的人脸描述与识别

提出一种新的人脸描述及识别方法,首先对归一化后的人脸图像进行多方向多尺度Gabor变换;然后对人脸区域进行分块,以块为单位统计Gabor系数的均值和方差,求得块特征矢量(block feature vector,BFV),按先行后列的顺序将各块的BFV拼接,构成整幅人脸图像特征矢量(face feature vector,FFV).在分类器设计阶段,引入两两比对和投票机制,用多个两类分类器组合成多类分类器.在训练某个具体的两类分类器时,根据隶属训练样本计算FFV中每项的分辨力,以分辨力大小为依据选出最优特征子集(best subset feature vector,BSFV).基于Yale人脸数据集展开实验,与已发表的算法和结果进行对比,证明了该方法的有效性.     

一种基于局部Gabor滤波器组及PCA＋LDA的人脸表情识别方法

针对传统的Gabor滤波器组存在特征提取时间较长以及特征数据存在冗余性的缺点,提出了一种新颖的局部Gabor滤波器组。为了评估该方法的识别性能,提出了一个基于Gabor特征的人脸表情识别系统。该系统首先对经过预处理之后的纯表情图像提取Gabor特征,然后用PCA LDA方法对采样后的特征进行特征选择,最后采用K近邻分类方法识别人脸表情。实验结果表明,这种方法无论在计算量还是识别性能上都比传统的Gabor滤波器组更具有优势。该方法的创新之处在于选取局部Gabor滤波器,最高平均识别率达到了97.33%,表明其适合于人脸表情图像的分析。     

面向脸部表情识别的Gabor特征选择方法

针对人脸表情识别中Gabor特征向量的高维度信息冗余问题,提出了一个2层Gabor特征选择方法.该方法首先利用改进方差比率作为评估特征的区分能力对高维向量进行过滤,然后对过滤得到的特征子集进行AdaBoost特征选择,以挑选出最具区分度的特征,从而降低了Gabor特征的表示维度.实验结果验证了所提方法的有效性,在训练时间和识别性能两者之间取得了较好的平衡.