Gabor特征

摘要： 为了实现马铃薯智能化切块中芽眼自动识别,提出了一种基于Gabor特征的马铃薯图像芽眼识别方法.首先,设计了马铃薯图像采集系统,采集马铃薯图像;然后,进行马铃薯图像中芽眼特征分析,并基于Gabor特征进行马铃薯图像滤波,选择方向2和尺度4下的滤波图像进行形态学图像处理;最后,通过剔除马铃薯边界连通区域进行芽眼区域提取.选择50张马铃薯图像进行芽眼识别试验,结果表明:提出的算法芽眼识别率为93.4％,误识别率为7.2％,平均识别速度为0.28s.本算法可为马铃薯智能化切块中的芽眼自动识别提供方法.

摘要： 本文针对局部二值模式(Local Binary Pattern,LBP)在特定方向总赋予较高或较低位数,容易陷入局部方向特征。提出改进的方向均值LBP,将中心像素和领域像素作差得到特征符号后,再分别以各领域像素占据局部二值编码的最高位,将八个局部二值编码取平均得到中心像素的特征表示。最后将图像子区域方向均值LBP特征与Gabor特征结合,用于BP神经网络分类的输入特征数据。本文方法在JAFFE表情库上进行实验并与原有LBP和Gabor结合进行比较,验证了本文算法的有效性。本文表情识别结果可用于预测可疑人员情绪判断其行为,提高城市公共安全。

摘要： 为了提高行人目标轮廓参量的提取精准度数值,实现对待监测目标的实时稳定跟踪,提出基于Cauchy模型的行人轮廓提取及目标检测算法;基于Cauchy分布原理,估计行人轮廓目标的最大似然值,再结合计算第二类统计量方法,完成基于Cauchy模型的行人目标统计建模;在此基础上,建立卷积神经网络,利用卷积化与反卷积参量,提取Gabor行人轮廓特征;在目标图像分割理论的作用下,识别既定区域内的所有行人目标,持续标记各类已存在的行人目标,实时检测行人轮廓目标,实现基于Cauchy模型行人轮廓提取及目标检测;实验结果表明,与Kinect型检测算法相比,应用Cauchy型算法后,行人目标轮廓的检测精度值提高至93％,而PTR实测指标降低至3.97,可有效实现待监测行人轮廓目标的实时稳定跟踪.

摘要： 针对行人检测中HOG特征提取速度慢且易忽视细节特征的问题,提出了一种Gabor特征结合快速HOG特征的行人检测算法.首先对输入图像进行小波变换,并引入积分图思想和主成分分析算法快速提取图像HOG特征;其次融合Gabor小波变换得到的Gabor特征,最后采用混合特征训练分类器,实现行人的有效检测.测试集上的实验结果表明,在使用相同分类器的情况下,该混合特征提取方法比单一特征提取方法的检测正确率最多可提高7.37％,因此所提出的算法可以有效地提高行人检测的精度.

摘要： 针对基于稀疏表示分类方法的训练样本于与类别标签信息提取不足,特别是在训练样本和待测样本都受到噪声污染的情况下将会明显下降及算法复杂度较高的问题,提出以Gabor特征以及加权协同为基础的人脸识别算法;最初需要对人脸图像内所包含的各个尺度以及方向的Gabor特征完成提取,在稀疏表示中引入Gabor特征,将降维后的Gabor特征矩阵作为超完备字典,再用稀疏表示增强加权协同表示得到该字典下的的稀疏表示系数,然后利用增强系数与训练样本的标签矩阵完成对测试样本进行分类识别,从而得到Gabor特征以及加权的协同表示分类方法,在Yale人脸数据库、Extended Yale B和AR人脸数据库上以及在FERET人脸数据库对人脸姿态变化的实验表明新算法具有更好的识别率和较短的计算时间.

摘要： 本文充分利用高光谱影像的空间信息,提出了一种联合卷积神经网络(convolutional neural network,CNN)和Gabor特征的高光谱影像分类方法。首先,设计了一个包含四个卷积层的CNN用于高光谱影像分类,该网络以降维后的高光谱局部影像块为输入,因此能够在分类过程中充分考虑邻域空间信息对分类结果的影响。然后,提出利用Gabor滤波器初始化卷积神经网络的卷积核参数,以充分利用Gabor纹理特征的优势来进一步提高分类精度。在两组真实的高光谱影像上进行分类试验,试验结果表明本文设计的CNN能够取得较高的分类精度,且结合Gabor滤波器对卷积核参数进行初始化能够进一步提高分类精度。

摘要： 针对传统的Gabor特征表征图像的全局特征能力较差的问题,提出一种采用Gabor多方向降维特征与图像的奇异值特征相联合的人脸特征表征方法.该方法在对Gabor滤波器直流分量补偿的基础上优化滤波器尺度伸缩随中心频率而变化的性能,以提取人脸图像的多尺度、多方向特征;对同一尺度不同方向的Gabor特征相加以降低特征维数.同时分别提取整幅图像的奇异值分解(SVD)全局特征以及分块SVD特征,将Gabor局部特征分别与上述SVD特征联合起来表征人脸图像.为提高计算效率,应用人脸采样图像进行了实验.实验结果表明,所提方法更好地保留了图像的局部细节、降低了特征数据的冗余,在识别率和计算率上都较传统Gabor滤波器更具优势,在ORL人脸库上的识别率高达98.21％.

摘要： 针对传统的Gabor特征表征图像的全局特征能力较差的问题,提出一种采用Gabor多方向降维特征与图像的奇异值特征相联合的人脸特征表征方法.该方法在对Gabor滤波器直流分量补偿的基础上优化滤波器尺度伸缩随中心频率而变化的性能,以提取人脸图像的多尺度、多方向特征;对同一尺度不同方向的Gabor特征相加以降低特征维数.同时分别提取整幅图像的奇异值分解(SVD)全局特征以及分块SVD特征,将Gabor局部特征分别与上述SVD特征联合起来表征人脸图像.为提高计算效率,应用人脸采样图像进行了实验.实验结果表明,所提方法更好地保留了图像的局部细节、降低了特征数据的冗余,在识别率和计算率上都较传统Gabor滤波器更具优势,在ORL人脸库上的识别率高达98.21％.

摘要： 针对传统的Gabor特征表征图像的全局特征能力较差的问题,提出一种采用Gabor多方向降维特征与图像的奇异值特征相联合的人脸特征表征方法.该方法在对Gabor滤波器直流分量补偿的基础上优化滤波器尺度伸缩随中心频率而变化的性能,以提取人脸图像的多尺度、多方向特征;对同一尺度不同方向的Gabor特征相加以降低特征维数.同时分别提取整幅图像的奇异值分解(SVD)全局特征以及分块SVD特征,将Gabor局部特征分别与上述SVD特征联合起来表征人脸图像.为提高计算效率,应用人脸采样图像进行了实验.实验结果表明,所提方法更好地保留了图像的局部细节、降低了特征数据的冗余,在识别率和计算率上都较传统Gabor滤波器更具优势,在ORL人脸库上的识别率高达98.21％.

摘要： 针对传统的Gabor特征表征图像的全局特征能力较差的问题,提出一种采用Gabor多方向降维特征与图像的奇异值特征相联合的人脸特征表征方法.该方法在对Gabor滤波器直流分量补偿的基础上优化滤波器尺度伸缩随中心频率而变化的性能,以提取人脸图像的多尺度、多方向特征;对同一尺度不同方向的Gabor特征相加以降低特征维数.同时分别提取整幅图像的奇异值分解(SVD)全局特征以及分块SVD特征,将Gabor局部特征分别与上述SVD特征联合起来表征人脸图像.为提高计算效率,应用人脸采样图像进行了实验.实验结果表明,所提方法更好地保留了图像的局部细节、降低了特征数据的冗余,在识别率和计算率上都较传统Gabor滤波器更具优势,在ORL人脸库上的识别率高达98.21％.

摘要： 文要讨论的是电脑辅助的汉语普通话学习中如何对元音进行评测的问题。在对语音帧识别以后，一般采用后验概率法对语音进行评测，这要通过规整化基于帧的或者基于语音段的后验概率。这两种方法的评分都能达到与专家评分的相关系数为0．83以上。本文将采用另一种方法来提高这个相关系数：利用Cabor特征。先采用元音的共振峰特征，再让每一帧的共振峰在时频域都产生一个位图，然后提取其Gabor特征做模式分类，进行分类似然评分。

摘要： 文要讨论的是电脑辅助的汉语普通话学习中如何对元音进行评测的问题。在对语音帧识别以后，一般采用后验概率法对语音进行评测，这要通过规整化基于帧的或者基于语音段的后验概率。这两种方法的评分都能达到与专家评分的相关系数为0．83以上。本文将采用另一种方法来提高这个相关系数：利用Cabor特征。先采用元音的共振峰特征，再让每一帧的共振峰在时频域都产生一个位图，然后提取其Gabor特征做模式分类，进行分类似然评分。

摘要： 文要讨论的是电脑辅助的汉语普通话学习中如何对元音进行评测的问题。在对语音帧识别以后，一般采用后验概率法对语音进行评测，这要通过规整化基于帧的或者基于语音段的后验概率。这两种方法的评分都能达到与专家评分的相关系数为0．83以上。本文将采用另一种方法来提高这个相关系数：利用Cabor特征。先采用元音的共振峰特征，再让每一帧的共振峰在时频域都产生一个位图，然后提取其Gabor特征做模式分类，进行分类似然评分。

摘要： 文要讨论的是电脑辅助的汉语普通话学习中如何对元音进行评测的问题。在对语音帧识别以后，一般采用后验概率法对语音进行评测，这要通过规整化基于帧的或者基于语音段的后验概率。这两种方法的评分都能达到与专家评分的相关系数为0．83以上。本文将采用另一种方法来提高这个相关系数：利用Cabor特征。先采用元音的共振峰特征，再让每一帧的共振峰在时频域都产生一个位图，然后提取其Gabor特征做模式分类，进行分类似然评分。

摘要： 本文借助ORL人脸数据库和PIE人脸数据库设计并进行了大量的实验,以此比较了基于Gabor特征的线性降维算法各模块的不同构成方式间的差异,讨论了光照变化和人脸姿态变化对基于Gabor特征的线性降维算法的影响.实验结果表明:1、对人脸识别来讲,Gabor特征能够比纯灰度信息更好的表示人脸图像特性;2、在训练样本较多时,Gabor+PCA+LDA算法比Gabor+PCA算法性能要好;3、如图像间光照变化不大,在用Gabor特征作为线性降维算法的输入情况下,预处理中采用直方图均衡化对提高识别率并无益处;4、如图像间光照变化很大,预处理中采用直方图均衡化对于提高基于Gabor特征的线性降维人脸识别算法的性能非常重要;5、无论是应用最近中心分类器还是应用最近特征线分类器,采用城区距离都比采用欧几里德距离更利于分类;6、测试图像的背景亮度和训练图像的背景亮度是否一致对基于Gabor+PCA的算法性能影响很大;7、姿态的变化对基于Gabor特征的线性降维算法性能影响很大。

摘要： 本文借助ORL人脸数据库和PIE人脸数据库设计并进行了大量的实验,以此比较了基于Gabor特征的线性降维算法各模块的不同构成方式间的差异,讨论了光照变化和人脸姿态变化对基于Gabor特征的线性降维算法的影响.实验结果表明:1、对人脸识别来讲,Gabor特征能够比纯灰度信息更好的表示人脸图像特性;2、在训练样本较多时,Gabor+PCA+LDA算法比Gabor+PCA算法性能要好;3、如图像间光照变化不大,在用Gabor特征作为线性降维算法的输入情况下,预处理中采用直方图均衡化对提高识别率并无益处;4、如图像间光照变化很大,预处理中采用直方图均衡化对于提高基于Gabor特征的线性降维人脸识别算法的性能非常重要;5、无论是应用最近中心分类器还是应用最近特征线分类器,采用城区距离都比采用欧几里德距离更利于分类;6、测试图像的背景亮度和训练图像的背景亮度是否一致对基于Gabor+PCA的算法性能影响很大;7、姿态的变化对基于Gabor特征的线性降维算法性能影响很大。

摘要： 本发明涉及一种基于Gabor综合特征的图像特征描述方法，包括以下步骤：步骤一、人脸图像信号的采集及上传；步骤二、人脸图像的分辨率调整及矩阵表示；步骤三、图像特征提取；步骤四、处理结果同步输出。本发明通过使用了Gabor滤波器变换的幅值部分和相位部分，其中的相位部分包含了Gabor滤波结果中的方向信息，有一定的特征鉴别意义，充分利用了Gabor滤波器组的滤波结果，提取了更加丰富的特征信息，便于后面识别，并且针对目前对于图像分块的平均思想的缺陷，考虑到了每个子图像块对整体图像的重要程度不同，结合纹理贡献度，能够更好地描述人脸特征。

摘要： 本发明涉及人脸部件特征和Gabor人脸特征融合的人脸识别方法及其装置，属于图像处理、计算机视觉、模式识别技术领域，该方法由基于Gabor方法的特征裸脸的提取、基于Gabor方法的图像投影特征向量的提取，以及基于Gabor方法与基于人脸部件主分量分析的多模式人脸识别方法融合的人脸识别三部分组成；该装置包括：一个长方形机箱，该机箱上安装有一个液晶显示屏和两台摄像机，还包括安装在该机箱前面板四周的四个长形的灯具，一个固定采集个人身份的数据采集装置的倾斜支架，本发明的装置提升了人脸图像采集的质量，该方法具有更高的人脸识别率。

摘要： 本发明涉及智能监控技术领域，且公开了基于Gabor特征和HOG特征融合的行人检测系统，包括首先对输入图像进行预处理，若图像不是人脸图像，需要先对图像进行人脸检测、人脸截图和人脸对齐，然后针对人脸图像进行灰度化、滤波和归一化，构造Gabor滤波器组，设置滤波器的核尺寸和方向，构造Gabor滤波器组。本发明通过计算每个单元的每个像素的梯度，并统计细胞单元的梯度方向直方图，以30°为间隔划分6个bin，则每个细胞单元可以得到一个6维的特征向量，最后将块归一化的特征向量进行串联，合成HOG特征向量，通过此过程，可以得到20张特征图，该特征图为二级特征，采用PCA对融合特征进行降维，最后用SVM作为分类器进行人脸识别，简化操作，提高人脸识别的效率。

摘要： 本发明公开了一种基于Gabor特征与EMAP特征的遥感图像分类方法，包括步骤：从遥感图像中提取Gabor特征并构建Gabor特征核，同时从遥感图像中提取EMAP特征并构建EMAP特征核；利用特征复合核框架，融合构建的Gabor特征核和EMAP特征核，获得特征复合核；基于获得的特征复合核，通过多项逻辑回归模型对遥感图像中的样本进行分类。本发明通过融合Gabor特征与EMAP特征联合光谱信息与空间信息，避免了原始光谱数据的不利影响，克服了类别不均衡、样本数量少的问题，有效解决了由于光谱信息相关性较强导致的信息冗余问题，提高了分类精度。

摘要： 本发明涉及一种结合高程图Gabor纹理特征和LiDAR点云特征的建筑物提取算法。首先通过将点云转变为高程图的方式获取点云数据对应的影像信息；然后采用了Gabor变换提取高程图的纹理特征捕获不同空间频率(尺度)和方向对应的特征，获取的图像特征具有判别性且维数较高，可为建筑物提取提供更多的可靠信息；将点云特征与高程图纹理特征进行融合，从更多不同角度为建筑物的提取提供信息数据；采用BPSO算法对高维特征进行特征选择，以获得最优化的特征组合，在提高建筑物提取效率的同时，也提高建筑物提取结果的精度。此外，BPSO算法也可对用于提取建筑物的SVM分类算法中的核函数参数进行优化，以进一步提高建筑物提取的效率和精度。

摘要： 本发明涉及一种基于Gabor综合特征的图像特征描述方法，包括以下步骤：步骤一、人脸图像信号的采集及上传；步骤二、人脸图像的分辨率调整及矩阵表示；步骤三、图像特征提取；步骤四、处理结果同步输出。本发明通过使用了Gabor滤波器变换的幅值部分和相位部分，其中的相位部分包含了Gabor滤波结果中的方向信息，有一定的特征鉴别意义，充分利用了Gabor滤波器组的滤波结果，提取了更加丰富的特征信息，便于后面识别，并且针对目前对于图像分块的平均思想的缺陷，考虑到了每个子图像块对整体图像的重要程度不同，结合纹理贡献度，能够更好地描述人脸特征。

摘要： 本发明涉及人脸部件特征和Gabor人脸特征融合的人脸识别方法及其装置，属于图像处理、计算机视觉、模式识别技术领域，该方法由基于Gabor方法的特征裸脸的提取、基于Gabor方法的图像投影特征向量的提取，以及基于Gabor方法与基于人脸部件主分量分析的多模式人脸识别方法融合的人脸识别三部分组成；该装置包括：一个长方形机箱，该机箱上安装有一个液晶显示屏和两台摄像机，还包括安装在该机箱前面板四周的四个长形的灯具，一个固定采集个人身份的数据采集装置的倾斜支架，本发明的装置提升了人脸图像采集的质量，该方法具有更高的人脸识别率。

摘要： 本发明方法针现有深度网络的不足，本发明设计了一种有效的人脸识别方法，该方法将深度网络的高级特征和Gabor小波的低级特征进行融合。对于深度网络特征，采用了SENet网络模型，考虑了SENet网络的低层到高层Haar均值特征，分别进行PCA压缩；对于Gabor小波特征，将高斯分布拟合后嵌入到欧式空间，然后用PCA进行特征压缩。将深度网络特征和Gabor高斯特征融合的识别方式能适应戴口罩、墨镜等遮挡和强烈的光照不均问题，显著提升人脸识别准确率，满足复杂环境下的人脸识别需求。

摘要： 本发明公开了一种改进Gabor与HOG的自适应加权多特征融合的植物叶片识别方法，首先对图像进行预处理，然后对Gabor算法中的Gabor滤波器进行改进，再利用改进后的Gabor算法和HOG算法对预处理后的图像分别进行特征提取，得到Gabor和HOG特征向量，并将两个特征向量自适应加权融合后进行降维处理，再使用SVM的组合核函数进行分类训练，输出识别结果。该发明可以广泛应用于机器视觉领域中复杂环境下的植物叶片识别，弥补了对植物叶片信息描述的不足，从而达到植物叶片识别的准确性的目的，有非常广阔的应用场景。

摘要： 本发明公开了一种基于Gabor滤波器的肺部超声图像条纹特征的识别方法，属于信号处理领域，其步骤为：首先采集一帧肺部超声图像，将采集到的图像经过Gabor滤波得到Gabor图像，利用PCA主成分分析方法对Gabor滤波图像进行特征降维，而后通过SVM分类器对特征向量进行分类，并利用交叉验证方法评估分类准确性并优化滤波器设计方案。本发明利用Gabor滤波方法提取肺部超声图像的B线特征，相比原始超声图像去除了噪声和横膈膜线，仅保留B线特征，更利于医生判读；本发明通过机器学习中SVM分类器的方法，评估并提升滤波器的条纹提取效果，保证了本发明方法在肺部超声条纹特征识别上的科学性以及创新性。