Gabor变换

摘要： 针对传统光时域反射仪无法有效实现电力通信光缆的高精度故障定位问题,提出了一种基于电力通信动静态资源的光缆故障诊断方法。通过将光时域反射仪和地理信息系统相结合,构建了数字化的电力通信动静态资源,具体包括遥感影像数据、工程制图文件和地图数据。此外,对地图数字化过程进行了具体设计。然后,采用Gabor变换对高频分量进行滤波去噪,实现基本信号的特征增强。阈值处理过程采用了硬阈值法,从而尽量避免突变点信息的遗漏。以多个故障定位实例进行了测试,结果验证了提出故障诊断方法的有效性,能够对实际故障点进行快速、准确的定位。

摘要： 本文首先概述了基于纹理特征的半自动提取技术,并使用基于Gabor变换的区域生长法从纹理复杂的居民地中勾勒出地物轮廓,总体精度达到了96.4%。随后介绍了几种图像配准方法,并在图像配准的基础上检测地物要素的变化情况,使得检测精度达到了99.45%,该检测结果可直接用于地理国情监测等应用。

摘要： 淤泥质海底航道边坡稳定性对于航道安全运行至关重要。由于航道边坡失稳滑塌具有不确定性,无法对其失稳程度进行预测评估,严重影响过往船只安全和航道管理维护。基于工程试验模拟的方式获取航道边坡失稳滑塌全周期声纹图像,通过分析声纹图像能量变化将其失稳过程划分为:非常稳定、稳定、不稳定、极不稳定、滑塌5个阶段。基于Gabor变换提取各阶段声纹图像特征,利用离散余弦变换进行特征降维,将降维后的声纹图像特征输入Fisher函数中构建失稳程度评估预测模型。结果表明:将待评估声纹图像样本特征输入到预测模型中,识别正确率达到90%。因此,基于Gabor特征构建Fisher模型进行淤泥质海底航道边坡失稳程度评估预测是可行的,对研究航道边坡稳定性具有重要意义。

摘要： 气体绝缘组合开关设备(Gas Insulated Switchgear,GIS)是电力系统中的关键设备,通过局部放电信号获取GIS设备内部绝缘缺陷的放电类型对于故障诊断和预警至关重要。通过试验提出了一种GIS设备不同放电缺陷类型的识别方法,首先搭建了GIS内典型缺陷模型并使用特高频传感器获取局部放电信号,随后对GIS局部放电的三维PRPS图谱进行Gabor变换,并对分解图提取纹理和形状特征量。使用层次聚类法对提取的特征量进行聚类分析,聚类结果表明特征量与缺陷的放电特征具有较好的关联程度,验证了根据PRPS图谱经Gabor变换后提取特征量对典型缺陷进行识别的可行性。基于此,对不同典型放电缺陷使用不同种类的机器学习算法对放电类型进行识别。结果表明:多种机器学习算法对3种典型放电类型的识别准确率较高,PRPS图谱经Gabor变换后提取出的特征量能够较好地反映放电特征,具有较高的区分度,该诊断方法能对GIS故障预警提供可靠的参考依据。

摘要： 本研究提出一种基于l_(1)-l_(2)范数的稀疏约束类时频分析方法,以提高信号时频分析的精度.稀疏约束类时频分析方法通过窗口类时频分析的逆变换构造反演方程,使用稀疏范数约束每个时间点的频谱,从而提高时频谱的分辨率;常用约束包括l_(1)范数、l_(p)范数等,近几年l_(1)-l_(2)范数被证明稀疏约束能力强于l_(p)范数,被广泛的应用于地震数据处理高分辨率、反演等问题中.本文基于压缩感知理论,使用l_(1)-l_(2)范数约束频谱,基于交替方向乘子法(ADMM)进行反问题的求解,得到基于l_(1)-l_(2)范数的高分辨率时频分析方法,并将其应用于地震频散属性的计算中.模型分析表明,本研究提出的基于l_(1)-l_(2)约束时频分析具有高时频聚焦性,高抗噪性,适用于地震信号的时频分析.实际数据表明,基于l_(1)-l_(2)范数的时频分析具备高时频分辨率,联合纵波频散属性,使得该方法可以清晰刻画储层的范围,准确指示气藏.

摘要： 对于非均质性强的储层,单靠井资料的插值和延伸来推测井间信息具有较大的不确定性。地震资料具有较高的横向分辨率,但是纵向分辨率相对较低,难以对薄层进行精细描述。针对地质薄层的识别,谱分析是资料分析最基础的工具,由于薄层信号是复杂且不平稳的,提高薄层识别能力的关键在于寻求合适的时频分析方法,只有选取合适的时频分析方法才能确保地质薄层时频分析的质量。对比分析了几种常用的时频分析方法(Gabor变换、Wigner-Ville变换、S变换)的优缺点,认为Gabor变换的聚焦性最好,能够满足高分辨率处理时要求固定时窗进行时频分析的条件。为此,详细介绍了Gabor变换的基本原理,并利用Gabor变换对高分辨率地震资料进行时频分析处理,对比处理前、后的效果发现,地震波波形重叠部分得到有效分离,基于Gabor变换的时频分析方法拓宽了高分辨率地震资料的频谱,增多了地震反射特征的细节,为后续的高精度地震反演奠定了基础。

摘要： 由于特征信息获取受限,基于二维图像处理技术的芯片外观缺陷检测方法对微小外观缺陷的检测率不高。为满足开发高端芯片的微小外观缺陷检测算法的需要,本文提出了一种基于Gabor变换的芯片缺陷特征增强方法。首先基于光度立体法采集芯片外观图像并做算子运算,得到特征信息丰富的反照率图;然后利用Gabor变换对反照率图进行滤波处理,可得到局部特征信息增强的图像。实验表明,本文提出方法对微小缺陷的显现精度达到了0.04 mm,较传统二维图像处理方法提高了一个数量级。

摘要： 在现有的眼科医学检测系统中,眼底相机应用较为广泛,但受到复杂背景、人脸面光反射、镜片反射和折射等因素的影响,眼底相机的对焦常会出现一定程度的偏差。为此,提出了基于Gabor变换的瞳孔定位自动校准方法,利用二值化、灰度化等方法对图像进行预处理,以消除噪声和背景光照等因素的影响。使用FRGC 1.0数据库进行实验,以验证算法的性能。实验结果表明,采用本算法检测到的瞳孔位置非常接近于人工标记的瞳孔位置。

摘要： 顺北地区工区主要为沙漠地表。由于地震波在传播时被近地表松散沙丘吸收衰减,大大降低了深层信号的能量和频率,为奥陶系储层精准成像与识别带来困难。利用初至波主频和旅行时信息以及双井微测井资料,采用频移法计算表层品质因子Q场,通过稳定的反Q滤波算法,对地震波近地表吸收衰减进行补偿。基于Gabor变换,在四维时频域分析地震波频率及变化特征,构建三维Q数据体,通过在Gabor变换域中实现稳定的反Q滤波,实现对中深层吸收衰减补偿。通过对近地表和中深层地震波吸收衰减进行补偿,顺北沙漠区资料处理效果有很大改善,反射波的振幅和频率特征有很大改善,有利于更好地识别奥陶系储层和寒武系断裂。

摘要： 文中利用Gabor变换和PCA降维的优点,提出了Gabor+PCA的面部图像识别方法.该方法先提取图像的Gabor特征,然后将Gabor特征与原图像特征结合构成新的融合特征并用PCA降维,最后用KNN分类器分类.所提Gabor+PCA方法不仅能挖掘出图像的细节信息,而且拓宽了特征空间的维数.另外,Gabor+PCA方法能有效降低光照、姿势和面部表情等因素的影响,在提高识别率的同时还能降低对硬件的要求.Gabor+PCA方法在ORL面部图像识别中优于单纯使用Gabor方法或PCA方法.因此,Gabor+PCA方法对面部图像识别算法的改进具有一定的借鉴意义.

摘要： 随着星载合成孔径雷达各种性能的不断提高,以常规参数测量作为特征的信号识别技术很难满足电子侦察的需求,基于雷达信号的脉内细微特征分析技术已经成为当前电子侦察的重要发展方向。为了提高在低信噪比条件下对雷达脉冲信号的检测概率和参数估计能力,本文使用了直接采样信号的Gabor变换进行信号检测和特征分析。Gabor变换是按照信号的先验知识选择合适的基函数,获得只有少数几个系数的Gabor展开,从而能够对信号作比较精确的表示。通过使用Gabor系数做检测统计量做噪声背景下的信号检测,可以得到雷达时域的常规参数。信号检测后得到的信号Gabor变换可以对信号的脉内细微特征进行分析。通过对脉内细微特征的分析可以获得敌方合成孔径雷达的技术参数,从而对它的用途和工作模式进行有效的推测。为了验证算法的有效性,本文进行了实测数据的分析实验。通过实验,本文使用的分析方法可以有效地用于雷达侦察信号检测和脉内细微特征分析,可以为后续处理提供有力的技术信息支撑。

摘要： 随着星载合成孔径雷达各种性能的不断提高,以常规参数测量作为特征的信号识别技术很难满足电子侦察的需求,基于雷达信号的脉内细微特征分析技术已经成为当前电子侦察的重要发展方向。为了提高在低信噪比条件下对雷达脉冲信号的检测概率和参数估计能力,本文使用了直接采样信号的Gabor变换进行信号检测和特征分析。Gabor变换是按照信号的先验知识选择合适的基函数,获得只有少数几个系数的Gabor展开,从而能够对信号作比较精确的表示。通过使用Gabor系数做检测统计量做噪声背景下的信号检测,可以得到雷达时域的常规参数。信号检测后得到的信号Gabor变换可以对信号的脉内细微特征进行分析。通过对脉内细微特征的分析可以获得敌方合成孔径雷达的技术参数,从而对它的用途和工作模式进行有效的推测。为了验证算法的有效性,本文进行了实测数据的分析实验。通过实验,本文使用的分析方法可以有效地用于雷达侦察信号检测和脉内细微特征分析,可以为后续处理提供有力的技术信息支撑。

摘要： 随着星载合成孔径雷达各种性能的不断提高,以常规参数测量作为特征的信号识别技术很难满足电子侦察的需求,基于雷达信号的脉内细微特征分析技术已经成为当前电子侦察的重要发展方向。为了提高在低信噪比条件下对雷达脉冲信号的检测概率和参数估计能力,本文使用了直接采样信号的Gabor变换进行信号检测和特征分析。Gabor变换是按照信号的先验知识选择合适的基函数,获得只有少数几个系数的Gabor展开,从而能够对信号作比较精确的表示。通过使用Gabor系数做检测统计量做噪声背景下的信号检测,可以得到雷达时域的常规参数。信号检测后得到的信号Gabor变换可以对信号的脉内细微特征进行分析。通过对脉内细微特征的分析可以获得敌方合成孔径雷达的技术参数,从而对它的用途和工作模式进行有效的推测。为了验证算法的有效性,本文进行了实测数据的分析实验。通过实验,本文使用的分析方法可以有效地用于雷达侦察信号检测和脉内细微特征分析,可以为后续处理提供有力的技术信息支撑。

摘要： 随着星载合成孔径雷达各种性能的不断提高,以常规参数测量作为特征的信号识别技术很难满足电子侦察的需求,基于雷达信号的脉内细微特征分析技术已经成为当前电子侦察的重要发展方向。为了提高在低信噪比条件下对雷达脉冲信号的检测概率和参数估计能力,本文使用了直接采样信号的Gabor变换进行信号检测和特征分析。Gabor变换是按照信号的先验知识选择合适的基函数,获得只有少数几个系数的Gabor展开,从而能够对信号作比较精确的表示。通过使用Gabor系数做检测统计量做噪声背景下的信号检测,可以得到雷达时域的常规参数。信号检测后得到的信号Gabor变换可以对信号的脉内细微特征进行分析。通过对脉内细微特征的分析可以获得敌方合成孔径雷达的技术参数,从而对它的用途和工作模式进行有效的推测。为了验证算法的有效性,本文进行了实测数据的分析实验。通过实验,本文使用的分析方法可以有效地用于雷达侦察信号检测和脉内细微特征分析,可以为后续处理提供有力的技术信息支撑。

摘要： 随着星载合成孔径雷达各种性能的不断提高,以常规参数测量作为特征的信号识别技术很难满足电子侦察的需求,基于雷达信号的脉内细微特征分析技术已经成为当前电子侦察的重要发展方向。为了提高在低信噪比条件下对雷达脉冲信号的检测概率和参数估计能力,本文使用了直接采样信号的Gabor变换进行信号检测和特征分析。Gabor变换是按照信号的先验知识选择合适的基函数,获得只有少数几个系数的Gabor展开,从而能够对信号作比较精确的表示。通过使用Gabor系数做检测统计量做噪声背景下的信号检测,可以得到雷达时域的常规参数。信号检测后得到的信号Gabor变换可以对信号的脉内细微特征进行分析。通过对脉内细微特征的分析可以获得敌方合成孔径雷达的技术参数,从而对它的用途和工作模式进行有效的推测。为了验证算法的有效性,本文进行了实测数据的分析实验。通过实验,本文使用的分析方法可以有效地用于雷达侦察信号检测和脉内细微特征分析,可以为后续处理提供有力的技术信息支撑。

摘要： 近年来，随着手机平台处理能力的增强，手机内置笑脸识别功能变得可行。传统基于Gabor 的笑脸识别方法应用于手机平台遇到的主要难点是运算量大、实时性差。本文提出了一种改进笑 脸特征提取算法，该算法基于Gabor 变换和Adaboost 算法，训练时采用Gabor 变换提取全部特 征，然后利用AdaBoost 算法从降采样特征中挑选关键特征；检测时先计算关键特征点和相关特 征卷积模板，然后计算特征值，最后进行匹配。实验表明改进算法不仅比原算法识别速度快，而 且特征点分布规律表明识别性能还具有改善的可能。

摘要： 近年来，随着手机平台处理能力的增强，手机内置笑脸识别功能变得可行。传统基于Gabor 的笑脸识别方法应用于手机平台遇到的主要难点是运算量大、实时性差。本文提出了一种改进笑 脸特征提取算法，该算法基于Gabor 变换和Adaboost 算法，训练时采用Gabor 变换提取全部特 征，然后利用AdaBoost 算法从降采样特征中挑选关键特征；检测时先计算关键特征点和相关特 征卷积模板，然后计算特征值，最后进行匹配。实验表明改进算法不仅比原算法识别速度快，而 且特征点分布规律表明识别性能还具有改善的可能。

摘要： 近年来，随着手机平台处理能力的增强，手机内置笑脸识别功能变得可行。传统基于Gabor 的笑脸识别方法应用于手机平台遇到的主要难点是运算量大、实时性差。本文提出了一种改进笑 脸特征提取算法，该算法基于Gabor 变换和Adaboost 算法，训练时采用Gabor 变换提取全部特 征，然后利用AdaBoost 算法从降采样特征中挑选关键特征；检测时先计算关键特征点和相关特 征卷积模板，然后计算特征值，最后进行匹配。实验表明改进算法不仅比原算法识别速度快，而 且特征点分布规律表明识别性能还具有改善的可能。

摘要： 近年来，随着手机平台处理能力的增强，手机内置笑脸识别功能变得可行。传统基于Gabor 的笑脸识别方法应用于手机平台遇到的主要难点是运算量大、实时性差。本文提出了一种改进笑 脸特征提取算法，该算法基于Gabor 变换和Adaboost 算法，训练时采用Gabor 变换提取全部特 征，然后利用AdaBoost 算法从降采样特征中挑选关键特征；检测时先计算关键特征点和相关特 征卷积模板，然后计算特征值，最后进行匹配。实验表明改进算法不仅比原算法识别速度快，而 且特征点分布规律表明识别性能还具有改善的可能。

摘要： 分别通过双向二维主成分分析和Gabor特征分块提取人脸的全局特征和局部特征，提出一种将全局特征和局部特征分类结果在决策层并行集成的单样本人脸识别方法。ORL人脸库上的实验结果表明:经过Gabor特征分块的第一级融合和全局与局部特征的第二级融合能很好地融合人脸的全局和局部信息，提高人脸识别系统的性能。

摘要： 本发明涉及一种改进Gabor变换和更新消失点的车道检测方法，包括：步骤1，输入原始道路图像；步骤2，对原始图像进行灰度化预处理；步骤3，采用改进的二维Gabor滤波多尺度多方向提取灰度图像纹理特征；步骤4，对图像纹理特征做主成分分析，得出对消失点影响较大的纹理特征；步骤5，根据步骤4确定的图像纹理特征运用软投票法进行初始消失点检测；步骤6，根据步骤5检测的初始消失点利用基于角度差和色差的直方图更新消失点并确定车道边界线；步骤7，根据步骤6中新的消失点和车道边界线确定车道范围。本发明利用改进的Gabor滤波器提高了纹理特征提取的精度，克服了传统Gabor滤波实时性差的问题；采用直方图更新消失点检测车道边界方式简便，准确度高。

摘要： 本发明公开了一种基于Gabor特征提取和空间变换的单样本人脸识别方法，主要解决在只有单张训练样本图像的条件下，由于类内散布矩阵是零而导致的传统面部识别方法不能够应用的问题。该方法采用Gabor小波从原始的单样本图像中提取空间特征向量，然后融合所提取的空间特征向量和原始的光谱特征向量，利用特征空间变换方法对融合特征矩阵进行低维特征空间变换，将其变换到一个低维子空间中，最后，利用最近邻分类器完成识别。本发明方法能够准确地完成单样本人脸的识别，提高了识别精度、降低了计算的代价。与现有技术相比，本发明提出的人脸识别方法更具有效性和鲁棒性。

摘要： 一种基于小波变换和Gabor滤波器的掌纹掌静脉图像层融合方法，包括以下步骤：1)采集到掌纹、掌静脉图像，然后分别进行感兴趣区域提取；2)对输入的ROI图像做基于小波变换和Gabor滤波的图像层融合：采用二维Mallat算法进行小波分解ROI之后的掌纹掌静脉图像，采用Gabor滤波器对高频子图像进行纹理的增强，最后采用二维Mallat快速算法对图像进行重构，得到融合后的图像；3)对得到的融合图像采用基于子空间的特征提取；4)采用最近邻分类器进行分类。本发明提供一种安全性较高、识别率较高的基于小波变换和Gabor滤波器的掌纹掌静脉图像层融合方法。

摘要： 本发明公开了一种基于频谱法的Gabor变换实现碳纤维复合材料表面纹理分析方法。首先，对原始碳纤维材料的表面图像进行巴特沃斯的滤波预处理；其次对预处理后的图像使用Gabor变换得到滤波后的图像Gabout；然后，对滤波后的图像变换到频域；最后对矩阵作归一化处理后求矩阵的灰度直方图，并在直方图上计算图像的特征熵值。本发明可以不仅可以在频域不同尺度、不同方向上提取碳纤维复合材料的熵值特征，而且Gabor函数提取的碳纤维复合材料的熵值可以作为均方根高度Sq的变化依据，此外还可以提取到相近的Sq值之间更加细致的纹理信息，从客观方面对机器测得的均方根高度Sq值起辅助作用。

摘要： 本发明公开了一种基于Gabor滤波变换的姿态鲁棒三维人脸识别方法，首先建立三维可变形模型3DMM，并在三维模型上定义多个人脸特征点；然后给出一幅二维人脸图像，通过将三维模型与图像进行拟合得到其姿态和形状，然后将定义的三维特征点投影到图像平面上；最后利用Gabor滤波器在投影特征点处提取姿态的稳定特征，将人脸图像映射到S的顶点，得到具有纹理的三维人脸模型，利用该纹理合成具有新姿势的人脸图像进行人脸识别。本发明对人脸识别中的姿态变化和其他影响因素都具有较强的鲁棒性。

摘要： 本发明公开一种基于Log‑Gabor变换与方向区域熵的引导滤波遥感影像融合方法，属于遥感影像处理领域。首先，对多光谱遥感影像进行IHS变换，并对强度分量I进行Log‑Gabor分解；其次，利用基于方向区域熵的边缘引导矩阵对高分辨率的全色遥感影像进行自适应引导滤波，根据其不同区域的信息熵变化提取出全色影像中蕴含的丰富边缘纹理细节；然后，以Log‑Gabor变换系数的能量分布为指导，构建融合决策模板，并据此确定融合过程中强度分量I的细节注入强度；最后，将细节增强后的强度分量与原始的H分量、S分量共同执行逆IHS变换，从而得到最终的融合图像。

摘要： 本发明属于人体生物特征法医同一认定技术领域，具体技术方案为：一种采用Gabor变换和分块降维的腭皱识别方法，具体步骤为：获取腭皱数字图像；对采集到的高清腭皱图像进行预处理；选取合适的Gabor滤波器参数构建滤波模板；将预处理后的腭皱图像与Gabor滤波器模板进行卷积运算，构建由实部特征和虚部特征共同组成的腭皱Gabor特征图；采用四宫格、九宫格、十六宫格、横向八条、竖向八条五种不同的分块方案进行腭皱特征降维；采用最近邻分类器对腭皱特征进行分类，并输出腭皱分类结果；本方法提出的分块思想简化了降维的流程，在实际操作过程中，可以降低计算的复杂度，加快运算的速度。

摘要： 本发明提供了一种基于Gabor变换和注意力机制的深度学习遥感云检测方法，解决了遥感图像云检测中对于特征提取不够充分的问题，实现步骤为：建立遥感图像数据库和对应的掩膜图；构建一个包括Gabor变换模块、注意力模块的卷积神经网络；确定网络的损失函数；将训练图像库中的训练样本输入到卷积神经网络中，通过梯度下降方法对损失函数迭代更新直至损失函数收敛，得到训练好的卷积神经网络；将测试数据库中的数据输入到卷积神经网络中获得云区域的检测结果；本发明采用基于Gabor变换和注意力机制的图像特征提取技术，使用深度学习方法进行遥感图像的云检测，特征提取充分，检测精度高，用于遥感图像的预处理过程。

摘要： 本发明涉及指纹识别技术领域，具体涉及一种基于Gabor变换的指纹特征提取与压缩编码的方法，包括以下步骤：(1)、读入一幅原始指纹图像；(2)、基于Gabor变换对指纹特征进行提取，得到指纹图像的Gabor幅值响应特征图；(3)、将每幅指纹图像的Gabor幅值响应特征图划分为W×W的小块，并将Gabor幅值响应特征图分块处理；(4)、在每一个小块内，对每个像素点的Gabor幅值响应值进行编码操作，得到整幅图像的特征向量F

摘要： 本发明公开了一种基于Gabor变换的图像聚焦测度实现方法，属于图像处理技术领域。该方法首先对图像进行预处理，然后将处理后的图像进行分块并计算每一幅子图像的Gabor变换，得到相应子图像的频域系数。再通过频域系数中的低频分量来构造子图像的清晰度。最后求出所有子图像清晰度所构成集合的方差，并把该方差值作为整幅图像的聚焦测度。本发明在对图像进行分块处理的基础上，采用Gabor变换来提取图像细节信息，具有原理简单、计算复杂度低的优点，同时通过上述步骤的实施，降低了噪声对图像细节信息的干扰，尤其在低对比度成像条件下的噪声鲁棒性强。本方法适合于相机的被动成像系统，具有较高的推广和使用价值。