基于Gabor小波变换的ICA火灾图像纹理识别算法

针对火灾图像纹理识别问题,提出了基于Gabor小波变换的ICA火灾图像纹理识别算法,并根据火灾图像纹理识别特点进行了优化。首先用不同尺度和方向的Gabor滤波器对待识别图像滤波,得到其特征图像,然后将特征图像转化成特征向量作为ICA的输入,得到基矢量子空间,再将测试图像经过Gabor滤波器的特征向量投影到ICA子空间中得到系数向量作为目标识别特征,最后用支持向量机进行识别。通过与Gabor滤波器法和ICA方法的对比实验,表明该算法可以在火灾纹理图像的识别率上比传统方法提高5%以上,为火灾图像识别提供了一种新思路。     

纸币图像Gabor特征提取与识别

研究了基于Gabor滤波器组的人民币图像识别方法。针对纸币图像特点,设计了适合于其特征提取的Gabor滤波器组参数,得到了纸币图像多尺度多方向上的纹理特征,然后对纹理图像进行网格划分,并计算网格中像素灰度均值行列投影和,最后采用网格投影特征模板匹配法进行纸币识别。实验表明该法抗干扰能力较强,能够较大提高旧币和污染纸币识别率,并且耗时不长。     

三维Gabor滤波器与支持向量机的高光谱遥感图像分类

根据高光谱遥感图像的特点及二维Gabor滤波器纹理分割的原理,提出了一种基于三维Gabor滤波器的高光谱遥感图像分类方法。三维Gabor滤波器能够对高光谱遥感图像所有波段同时进行滤波,将大量的图像信息抽取为少量的不同尺寸、方向和波谱的响应,极大减少了高光谱遥感图像纹理信息提取的计算量。利用不同方向和尺寸的三维Gabor滤波器对祁连山黑河流域上游地区的Hyperion影像全波段进行滤波处理,获取26个纹理响应特征,并分析不同纹理对不同地物的区分度。利用自动子空间划分的波段指数(BI)进行波段选择,选取不同的波段组合进行试验,寻找最佳降维幅度。按照纹理对不同地物响应的区分度逐一加入三维Gabor纹理特征,利用三维Gabor纹理辅助光谱信息,运用支持向量机(SVM)的方法进行监督分类。结果表明,基于三维Gabor纹理和自动子空间BI波段选择的SVM分类方法能够在有效降低光谱维数的同时,提高高光谱遥感图像分类的精度和效率。     

基于Gabor小波纹理特征的目标识别新方法

给出了一种基于Gabor小波纹理特征的目标识别新方法．主要是利用Gabor小波设计了一种多通道小波滤波器。对图像目标直接进行小波变换，用Gabor小波变换系数的模的平均值和其标准方差来表示抽取的图像目标的特征，把获得的小波特征归一化后输入到改进的BP神经网络分类器进行分类识别．最后。进行了一系列的仿真实验，结果表明，这种特征提取方法能有效提取图像目标纹理特征，并且对噪音和形状的变化具有鲁棒性．在应用于目标识别时，神经网络的训练时间减少到lOmin，识别率达到94％．     

基于多通道Gabor滤波器的高鲁棒灰度图像目标识别新方法

提出了一种针对低质量的灰度图像的基于多通道Gabor小波滤波器的高鲁棒目标识别新方法。主要是利用Gabor小波设计了滤波器,滤波器的中心频率是一个从低到高的范围。滤波器采用不同方向、不同尺度,从而组成多通道滤波器。对灰度图像直接进行小波变换,用Gabor小波变换系数的模的平均值和其标准方差来表示抽取的灰度图像目标的特征,并对获得的小波特征归一化后输入到改进的BP神经网络分类器中进行分类识别。对四种不同的飞机灰度图像目标进行了分类识别仿真实验。结果表明,这种特征提取方法能有效地提取灰度图像目标纹理特征,并且对噪音和形状的变化具有强鲁棒性。在应用灰度图像对目标进行识别时,神经网络的训练时间减少到10min,识别率达到94%。     

架构于双树轮廓波方向及相位特征的纹理图像分割

考虑到纹理的方向及相位特性,提出一种基于双树轮廓波变换的纹理图像分割新方法.双树轮廓波由塔型双树方向滤波器组构建,它不仅保持了轮廓波灵活的方向选择性,克服了传统轮廓波不具有移不变性的缺点,而且提供了复子带系数.本文以各方向子带的能量作为方向特征,复系数的平均相角作为相位特征,生成特征向量,利用模糊C均值聚类算法进行纹理图像分割.实验结果表明,相位特征是方向特征的有效补充,与传统方法相比,该方法在分割错误率、边缘准确性以及区域一致性等方面均有明显的改善.     

架构于双树轮廓波方向及相位特征的纹理图像分割

考虑到纹理的方向及相位特性,提出一种基于双树轮廓波变换的纹理图像分割新方法.双树轮廓波由塔型双树方向滤波器组构建,它不仅保持了轮廓波灵活的方向选择性,克服了传统轮廓波不具有移不变性的缺点,而且提供了复子带系数.本文以各方向子带的能量作为方向特征,复系数的平均相角作为相位特征,生成特征向量,利用模糊C均值聚类算法进行纹理图像分割.实验结果表明,相位特征是方向特征的有效补充,与传统方法相比,该方法在分割错误率、边缘准确性以及区域一致性等方面均有明显的改善.     

用于特征提取的Gabor滤波器参数设计

Gabor滤波器的参数设计是Gabor特征提取过程中的一个重要环节。根据坦克的外形特,最及对方向的敏感性对其进行了针对性的参数设置,实验结果证明得到了很好的滤波效果。根据Gabor核函数的窗口特性,提出了一种自适应的基于Gabor滤波器的特征提取算法。该算法应用Gabor滤波器的多尺度特性与样本图像进行卷积,对Gabor域响应进行局部极大值提取,经过该方法得到的特征点有效地减少了数据冗余,并且具有较好的图像表征能力。     

基于复小波和局部梯度的靶标图像混合降噪

提出了一种有效去除光电成像测量系统中靶标图像噪音的混合降噪法.根据图像像素局部梯度模找出图像中受椒盐噪音污染的像素,使用中值滤波降噪.对去除椒盐噪音的图像,利用复对数Gabor小波提取各像素的相位信息和幅度信息,确定最小尺度滤波器对噪音幅度分布的估计值,从而自动地确定各个尺度上的噪音幅度分布的估计值和噪音萎缩阈值,达到有效降噪的目的.实验表明,该方法的降噪效果明显优于实symlet4小波、中值滤波和单一复对数Gabor小波降噪法.     

一种基于Log Gabor的旋转不变纹理图像检索算法

针对图像检索时的旋转问题提出一种基于Log Gabor小波的旋转不变纹理特征。依据Log Gabor分解子带的均值及方差分布并结合广义Hurst分形特征对纹理进行描述,并在各尺度上采用主方向排序的方法对方向子带特征进行调整得到旋转不变特征向量。分别采用旋转纹理库和普通纹理库进行仿真实验,结果表明算法在两种情况下都取得了较好的检索效果。此外,在相同特征类型和图像库的条件下将本算法与Gabor算法结果进行对比,实验表明本算法的检索性能明显优于Gabor算法的检索性能。     

基于相位一致性的实时压缩跟踪方法

针对基于压缩感知的目标跟踪算法在跟踪过程中,光照剧烈变化引起跟踪不稳定或跟踪失败的问题,本文提出了一种基于相位一致性的改进跟踪方法.该方法利用相位一致性图像特征对光照变化不敏感的特点,首先对样本搜索区域内的图像进行相位一致性变换,然后再提取变换后相位一致性图像的特征,将其用于分类器中来确定目标位置.实验结果表明,该方法在目标受到光照剧烈变化影响的情况下具有很强的适应性,在目标大小为50pixel×55pixel时平均处理帧频可达22fps.与已有基于压缩感知跟踪算法相比,该算法在光照变化剧烈的情况下仍具有很好的鲁棒性,而且在目标尺度和纹理发生一定变化的情况下跟踪稳定.     

一种自适应的Gabor图像特征抽取和权重选择的人脸识别方法

为了克服光照、表情变化等因素对人脸识别的影响,本文提出了一种自适应的Gabor图像特征抽取和权重选择的人脸识别方法.该方法首先把每幅人脸图像经过Gabor小波变换后得到的40个不同尺度和方向下的图像都看作是独立的样本,再把不同人脸中的同一尺度和方向的变换结果进行特征重组,得到40个独立地新特征矩阵.为了增强对光照、表情...     

基于多光谱图像融合的掌纹识别方法

生物特征识别在信息安全领域发挥着重要作用,掌纹识别作为一种新型生物特征识别方式,具有低失真、非侵入性和高唯一性等优势。传统掌纹研究大多使用自然光成像系统以灰度格式获取,识别精度很难进一步提升。为了获得更多的身份鉴别信息,提出利用多光谱掌纹图像代替自然光掌纹图像。针对现有掌纹识别算法由于没有考虑到不同光谱的特性而导致纹理细节丢失,识别精准率低的问题,提出了一种基于多光谱图像融合的掌纹识别算法。该方法通过对不同光谱下的掌纹图像进行快速自适应二维经验模式分解（FABEMD）,将多光谱掌纹图像分解成一系列频率由高到低的二维固有模态函数(BIMF)和一个残余分量,残余分量可被视为该光谱图像低频信息的初步估计。图像采集过程中光照条件很难保持稳定,而近红外光谱图像在进行FABEMD分解时对光照变换敏感,容易导致分解后的BIMF背景信息过于冗余;因此对分解后的近红外掌纹图像进行背景重建及特征细化,在对背景冗余信息进行平滑处理的同时可以有效增强高频信息的特征表达。为避免直接融合处理后引发的图像过度曝光问题,提出对近红外特征压缩后再融合。此外,提出了一种结合了注意力机制的改进残差网络（IRCANet）,用于融合后的掌纹图像分类,在网络中引入分阶段残差结构,缓解了网络的退化问题,在学习过程中有效地减少信息丢失,对于融合后的多光谱掌纹图像,分阶段残差结构能够稳定地将图像信息在网络间传输,但对图像中的高低频信息区分效果不够显著,为了使网络关注更多区分性特征,利用特征通道间的相互依赖性,在分阶段残差结构中结合了通道注意力(Channel Attention)机制。最终,在香港理工大学（PolyU）多光谱掌纹数据集上进行的综合实验表明,该方法可以取得良好的效果,算法识别准确率能达到99.67%且具有良好的实时性。     

基于相位一致性和Hough变换的多源图像配准方法

由于红外图像与可见光图像对比度不同,常用基于梯度幅值的特征匹配方法难以正确配准。在分析红外图像与可见光图像成像机制的基础上,提出了一种结合相位一致性边缘检测与Hough变换的多源图像配准新方法。该算法首先采用高通滤波和平台直方图均衡方法对红外图像进行预处理以提高红外图像的对比度,再利用具有图像对比度不变性的相位一致性边缘检测法提取两幅图像的边缘,结合Hough变换选取图像空间中最长的线作为特征,采用改进相位相关法作为相似性度量,在对数极坐标域下计算出两幅图像的几何变形参数。仿真实验结果表明,该方法能够以较高查准率实现红外与可见光图像自动配准,并具有较强的鲁棒性。     

基于特征点及优化理论的图像自动拼接方法

提出了一种新的图像拼接方法,首先利用相位一致性(phase congruency)算法进行特征点检测,利用本文提出的匹配点优选策略进行特征点对自动选取,然后用LM(Levenberg-Marquardt)算法进一步优化变换矩阵,最后对拼接结果进行融合处理,获得无缝拼接的图像.该方法把基于特征点和基于优化理论的拼接方法有效相结合,且能充分利用图像重叠部分的信息,在一定程度上克服了噪声及光照不均的影响,较传统方法具有更强的鲁棒性和更高的拼接精确度.试验结果证明了该方法的有效性.     

基于离散余弦变换和支持向量机的多光谱纹理图像的茶叶分类研究

提出一种利用多光谱图像纹理特征进行茶叶分类的新方法。图像由MS3100-3CCD光谱成像仪获得,光谱成像仪提供近红外(NIR)、红色(R)和绿色(G)的3个波段的图像。首先对原图像的NIR波段图像提取均方值,然后应用离散余弦变换算法,构造出8个带通和高通滤波器对NIR通道的图像进行滤波并提取均方差值,最后应用支持向量机技术,分别对原图像的NIR提取的均方差值和用8个滤波器滤过的图像提取的均方差值进行建模。茶叶样本总共为240个,训练和预测各为120个,每种训练样本和预测样本各为20个。结果表明经过8个滤波器处理图像的识别率为100%,而没有经过滤波处理的纹理图像识别率只有73.33%,说明离散余弦变换算法设计的滤波器是一种非常有效的纹理识别技术,此实验同时也为茶叶的分类提供一种快速和无损的新方法。     

基于多方向多尺度变换的图像压缩算法

针对小波变换方向选择性差的局限,提出了一种多方向多尺度的的图像变换。圆对称滤波器组首先将图像分解为高频子带和低频子带,然后利用方向滤波器组将高频子带分解为多个方向子带,而对低频子带进行小波变换。多方向多尺度变换能以更稀疏的方式表示图像的边缘和纹理等几何特征,有利于图像压缩。在该变换基础上,结合迭代量化、嵌入式块截断编码(EBCOT)和集合分裂嵌入式块编码(SPECK)构建一种压缩算法。实验结果表明,对于纹理和边缘丰富的图像,压缩算法的性能相对于JPEG2000有明显地提高。     

新生儿疼痛面部表情识别方法的研究

针对新生儿的疼痛与非疼痛面部表情识别,提出将Gabor变换和支持向量机(SVM)相结合的分类识别方法.对归一化后的大小为112 pixel×92 pixel的新生儿面部图像进行二维Gabor小波变换,提取出412160维Gabor特征;针对Gabor特征向量维数高、冗余大的特点,采用Adaboost算法作为特征选择工具,去除冗余的Gabor特征,从412160维特征中选取出900维Gabor特征;对选取出的Gabor特征用SVM进行疼痛表情的分类识别.该方法综合运用Gabor特征对于面部表情的良好表征能力、AdaBoost算法的特征选择能力以及SVM在处理少样本、高维数问题中的优势.对510幅新生儿的表情图像进行测试的结果表明,疼痛与非疼痛表情的分类识别率达到85.29%,疼痛与安静表情的分类识别率达到94.24%,疼痛与哭表情的分类识别率达到78.24%.     

基于正弦光栅调制的相位恢复

提出一种基于正弦光栅调制的相位恢复方法.首先,在空间光调制器上加载两个不同方向的正弦光栅对光场复振幅进行调制;然后,推导强度信息和相位偏导数之间的关系式;最后由强度信息计算相位偏导数,进而恢复相位.实验分别测试了该方法对简单图像、复杂图像以及含噪声图像的恢复能力.实验结果表明,该方法可以通过方便地控制图像移动量来有效恢复相位信息,适用于不同尺度的相位物体的计算.     

相位一致性图像及其在目标跟踪中的应用(英文)

针对传统实时相关跟踪方法对照度变化敏感的问题,提出了一种基于相位一致性图像的相关跟踪方法.利用相位一致性函数值在[0,1]区间内且无量纲、对图像的亮度和对比度具有不变性等特点,首先对原始图像进行相位一致性检测,得到相位一致性图像,再利用MAD(Minimum Absolute Difference)等相关跟踪算法在相位一致性图像中对目标进行跟踪运算.对可见光和红外图像的实验表明,在图像的亮度和对比度发生剧烈变化的情况下,算法仍能保持对目标的稳定跟踪.该方法可用于解决传统实时相关跟踪方法普遍存在的因照度变化导致跟踪点漂移甚至跟踪失败的问题.