Gabor滤波器

摘要： 针对经典的缺陷检测算法无法解决纹理复杂、对比度低的皮革表面缺陷检测的问题,提出一种基于Gabor滤波的重建图像算法。首先设计Gabor滤波器,从纹理图像与特定的Gabor滤波器的卷积中计算能量的输出响应,当纹理特征对应的能量最大时确定Gabor滤波器的最佳参数。再将原图和滤波后的背景图相减重建图像,重建图中纹理和缺陷的灰度值差异被增强,通过中值滤波除去噪声和部分纹理,最后经过图像分割后计算灰度共生矩阵的能量,缺陷能量较低而纹理等干扰的能量较高,设定简单的能量阈值就可以实现缺陷区域的识别和定位。对大量皮革图像进行测试,实验结果表明:该方法可以准确、高效地检测皮革表面缺陷。

摘要： 针对现有肝功能分级方法存在有创性、时效性等问题,提出一种基于CT图像多尺度方向数值模式的肝功能分级方法。利用Gabor滤波器提取肝脏感兴趣区域的多尺度纹理特征,对各尺度的主要方向进行数值模式的紧凑编码并分块统计直方图,获取多尺度特征向量,利用支持向量机构建肝功能分级模型。临床数据实验结果表明,该方法有效且可行,具有非侵入性、高效性和可重复性,为患者肝功能评估提供了基于影像学的辅助诊断。

摘要： 人的表情包含大量信息,可用于显示人的很多情感状态,例如疲劳和疼痛的表情等。卷积神经网络(CNN)是一种识别人脸表情的有效方法,它可以同时执行特征提取和分类,并可以自动发现数据中的多个表情特点。针对卷积神经网络参数大以及传统表情识别方法准确率不高的问题,提出一种基于改进的稠密卷积神经网络的面部表情识别模型。首先通过使用Gabor滤波器初始化第一层卷积层;然后采用一种对数线性函数(LLU)进行网络优化,该模型中的特征重用和参数压缩技术提高了网络的学习能力,大大减少了模型参数;最后基于此模型设计了一个表情识别系统,该系统能够准确地识别照片上的表情和在线识别人脸表情。实验结果表明,该模型可以显著提高三个表情数据集的准确率,并能很好地识别人脸表情。

摘要： 虹膜识别技术是当前生物特征识别领域的研究热点,不同的虹膜特征提取算法会直接影响虹膜识别性能。分别基于多通道Gabor滤波器算法、灰度共生矩阵(GLCM)算法和Haar小波变换、局部二值模式(LBP)算法对不同影响因素下采集到的虹膜图像进行特征提取并分类。实验结果表明,基于LBP特征和基于Haar小波变换特征的虹膜特征提取方法均具有较强的光照鲁棒性,且识别准确度很高,但对图像噪声的抗干扰能力很低。基于Gabor滤波器的虹膜识别相对更稳定,识别准确度与前两种虹膜识别技术很接近。基于GLCM的虹膜识别分类能力较差,但抗光照和图像噪声影响力较强。

摘要： 基于手绘草图的图像检索在生活中有着广泛的应用,人们不再需要知道物体的实际名字或者照片,只需要根据记忆将物体画出便能够获取相关信息。基于此,提出了基于Gabor滤波器的手绘草图深度检索网络。手绘草图首先使用Gabor滤波器进行预处理,筛去草图的冗余信息,然后输入全卷积神经网络,该网络能够学习草图的高维抽象特征,最后通过全连接层输出检索结果。在Quick Draw和Tu-Berlin数据集上的实验结果表明,所提出的方法不仅性能超过了多个常见算法,并且参数量更少,能够更快地完成训练及推理。

摘要： 作为生物特征识别技术之一,手背静脉识别技术提高了解决身份识别安全问题的便利性和准确性。针对手背静脉识别中特征提取困难、识别率低等问题,文中研究了人体手背的静脉识别方法并进行了系统化设计。采集人体手背静脉的图像,使用采集到的图像建立数据库,并对图像进行预处理;对手背图像进行Gabor滤波特征提取,采用二次匹配方法匹配图像,利用MATLAB软件实现编程语言中手背静脉图像的特征识别;针对目标需求,研究手背静脉血管的身份识别算法,并对现有算法进行改进,从而满足高效智能手背静脉血管自动身份识别设计需求。从实验结果可以看出,文中所使用的方法在识别率上有所提高,具有广泛的应用前景。

摘要： 为了实现季节变换下的图像检索与定位任务,本文提出使用基于Gabor滤波器的GIST(主要)方法来提取图像特征。具体来说,首先将Gabor滤波器在多个方向和尺度上提取的块特征进行均值化处理,其次将处理后的特征级联起来形成GIST特征,最后将这种特征提取方法与传统的局部特征SIFT+VLAD方法进行对比。对比结果显示,基于Gabor滤波器的GIST特征方法在检索性能方面明显优于传统的局部特征方法。

摘要： 为了解决钢板表面类内缺陷形态差异大、类间缺陷相似度高且传统方法难以准确识别的问题,提出了基于PSO-Gabor特征增强的钢板表面缺陷识别方法。首先采用粒子群优化算法(PSO)对Gabor滤波器的频率、方向、尺度和滤波窗口尺寸进行迭代寻优,根据得到的最优参数构造Gabor滤波器;然后利用该滤波器与钢板表面缺陷图像进行卷积操作,并计算其能量响应值获得对应的能量图;最后将能量图输入到卷积神经网络中进行训练和测试。实验结果表明,该方法对钢板表面缺陷识别准确率达到97.5%,检测时间约为50 ms,与传统的模式识别方法相比,识别准确率大幅提升,识别速度快。

摘要： 为解决机器视觉在多车道线检测时出现车道线漏识别、误识别、分类难和准确率低等问题,提出一种检测多车道线和快速分类的方法。首先获取原始图像的感兴趣区域并使用Gamma校正增强多车道线特征信息;然后使用多相位Gabor滤波器叠加滤波图像提取车道线纹特征,获得其边缘梯度;接着基于改进带多参数Hough变换提取出直线线段,基于累加角度值的直方图和双截距约束法实现多车道线快速分类;最后只需提取出线段上少量关键点,通过最小二乘法拟合出完整的车道线,生成动态有效的检测区域,减小后续检测时间。实验结果表明:该设计算法在Tusimple数据集与实际拍摄拥挤、夜间环境的道路中进行验证,识别准确率分别为95.4%,96.22%和95.22%,高于其他常用方法;该算法充分利用车道线多个特征信息,不易受检测环境变化带来的影响。

摘要： 纺织面料疵点智能检测一直是纺织行业需解决的技术难题之一,为了对面料疵点进行高效精准的自动检测,提出了基于织物纹理基元自适应Gabor滤波器的疵点检测方法即通过获取织物纹理基元,构建最优的Gabor滤波器,解决Gabor滤波器参数设计复杂的问题。试验结果表明使用自适应的Gabor滤波器对图像进行滤波,能够很好地将疵点从织物背景中分割出来,突出疵点区域,对实现织物疵点的智能检测有一定的意义。

摘要： 为了解决织物疵点自动检测系统实时性不高的问题,提出了一种新的基于最优Gabor滤波器的织物疵点检测方法.该方法将传统二维Gabor函数添加椭圆形成分,构造出一个可以任意调制的Gabor滤波器,提取出Gabor滤波器参数,采用随机漂移粒子群优化(RDPSO)算法对提取的参数进行优化,得到与无疵点的织物图像纹理特征最匹配的Gabor滤波器参数.用最优参数构造的Gabor滤波器对待检测织物图像进行卷积处理,然后再对卷积后的图像进行二值化处理,最终识别出待检测织物图像是否包含疵点.实验结果表明,该方法的检测率可以达到97.50％,经测试该方法可以满足织布速度在3m/min以下实时检测要求,适合应用于工业生产.

摘要： 为了解决织物疵点自动检测系统实时性不高的问题,提出了一种新的基于最优Gabor滤波器的织物疵点检测方法.该方法将传统二维Gabor函数添加椭圆形成分,构造出一个可以任意调制的Gabor滤波器,提取出Gabor滤波器参数,采用随机漂移粒子群优化(RDPSO)算法对提取的参数进行优化,得到与无疵点的织物图像纹理特征最匹配的Gabor滤波器参数.用最优参数构造的Gabor滤波器对待检测织物图像进行卷积处理,然后再对卷积后的图像进行二值化处理,最终识别出待检测织物图像是否包含疵点.实验结果表明,该方法的检测率可以达到97.50％,经测试该方法可以满足织布速度在3m/min以下实时检测要求,适合应用于工业生产.

摘要： 为了解决织物疵点自动检测系统实时性不高的问题,提出了一种新的基于最优Gabor滤波器的织物疵点检测方法.该方法将传统二维Gabor函数添加椭圆形成分,构造出一个可以任意调制的Gabor滤波器,提取出Gabor滤波器参数,采用随机漂移粒子群优化(RDPSO)算法对提取的参数进行优化,得到与无疵点的织物图像纹理特征最匹配的Gabor滤波器参数.用最优参数构造的Gabor滤波器对待检测织物图像进行卷积处理,然后再对卷积后的图像进行二值化处理,最终识别出待检测织物图像是否包含疵点.实验结果表明,该方法的检测率可以达到97.50％,经测试该方法可以满足织布速度在3m/min以下实时检测要求,适合应用于工业生产.

摘要： 为了解决织物疵点自动检测系统实时性不高的问题,提出了一种新的基于最优Gabor滤波器的织物疵点检测方法.该方法将传统二维Gabor函数添加椭圆形成分,构造出一个可以任意调制的Gabor滤波器,提取出Gabor滤波器参数,采用随机漂移粒子群优化(RDPSO)算法对提取的参数进行优化,得到与无疵点的织物图像纹理特征最匹配的Gabor滤波器参数.用最优参数构造的Gabor滤波器对待检测织物图像进行卷积处理,然后再对卷积后的图像进行二值化处理,最终识别出待检测织物图像是否包含疵点.实验结果表明,该方法的检测率可以达到97.50％,经测试该方法可以满足织布速度在3m/min以下实时检测要求,适合应用于工业生产.

摘要： 为了解决织物疵点自动检测系统实时性不高的问题,提出了一种新的基于最优Gabor滤波器的织物疵点检测方法.该方法将传统二维Gabor函数添加椭圆形成分,构造出一个可以任意调制的Gabor滤波器,提取出Gabor滤波器参数,采用随机漂移粒子群优化(RDPSO)算法对提取的参数进行优化,得到与无疵点的织物图像纹理特征最匹配的Gabor滤波器参数.用最优参数构造的Gabor滤波器对待检测织物图像进行卷积处理,然后再对卷积后的图像进行二值化处理,最终识别出待检测织物图像是否包含疵点.实验结果表明,该方法的检测率可以达到97.50％,经测试该方法可以满足织布速度在3m/min以下实时检测要求,适合应用于工业生产.

摘要： 设计了一种利用机器视觉,并且结合LabVIEW多线程处理机制与Hough变换及Gabor算法的织物疵点检测系统.通过LabVIEW中基于数据流的生产/消费者并行软件编写模式与队列的结合,防止内存中的图像因为采集速度过快而被覆盖,造成数据丢失.在检测算法中使用Hough变换获取织物纹理方向角并作为Gabor滤波器的方向以检测织物疵点,再通过最大熵进行图像分割.实验结果表明,该处理机制与检测算法的结合具有良好的织物疵点检测效果.

摘要： 设计了一种利用机器视觉,并且结合LabVIEW多线程处理机制与Hough变换及Gabor算法的织物疵点检测系统.通过LabVIEW中基于数据流的生产/消费者并行软件编写模式与队列的结合,防止内存中的图像因为采集速度过快而被覆盖,造成数据丢失.在检测算法中使用Hough变换获取织物纹理方向角并作为Gabor滤波器的方向以检测织物疵点,再通过最大熵进行图像分割.实验结果表明,该处理机制与检测算法的结合具有良好的织物疵点检测效果.

摘要： 设计了一种利用机器视觉,并且结合LabVIEW多线程处理机制与Hough变换及Gabor算法的织物疵点检测系统.通过LabVIEW中基于数据流的生产/消费者并行软件编写模式与队列的结合,防止内存中的图像因为采集速度过快而被覆盖,造成数据丢失.在检测算法中使用Hough变换获取织物纹理方向角并作为Gabor滤波器的方向以检测织物疵点,再通过最大熵进行图像分割.实验结果表明,该处理机制与检测算法的结合具有良好的织物疵点检测效果.

摘要： 设计了一种利用机器视觉,并且结合LabVIEW多线程处理机制与Hough变换及Gabor算法的织物疵点检测系统.通过LabVIEW中基于数据流的生产/消费者并行软件编写模式与队列的结合,防止内存中的图像因为采集速度过快而被覆盖,造成数据丢失.在检测算法中使用Hough变换获取织物纹理方向角并作为Gabor滤波器的方向以检测织物疵点,再通过最大熵进行图像分割.实验结果表明,该处理机制与检测算法的结合具有良好的织物疵点检测效果.

摘要： 设计了一种利用机器视觉,并且结合LabVIEW多线程处理机制与Hough变换及Gabor算法的织物疵点检测系统.通过LabVIEW中基于数据流的生产/消费者并行软件编写模式与队列的结合,防止内存中的图像因为采集速度过快而被覆盖,造成数据丢失.在检测算法中使用Hough变换获取织物纹理方向角并作为Gabor滤波器的方向以检测织物疵点,再通过最大熵进行图像分割.实验结果表明,该处理机制与检测算法的结合具有良好的织物疵点检测效果.

摘要： 一种反滤波方法，所述方法包括：基于输入信号产生第一滤波信号；以及将第一滤波信号与输入信号组合以得到剩余信号。所述产生步骤包括：产生第二滤波信号，所述产生是稳定的和具有因果关系的；按照预测系数放大第二滤波信号；基于第二滤波信号获得第一滤波信号；将与输入信号有关的第一信号存储在缓冲器中；以及从缓冲器中检索时延信号。还提出了一种合成滤波方法，一种反滤波器装置和一种合成滤波器装置。

摘要： 提供一种在保持了本来的基于厚度纵向振动的谐振特性的情况下选择性地仅减少横向波型的波的压电薄膜谐振器。压电薄膜谐振器包括：压电膜(14)；第一电极(15a)，形成在压电膜(14)的第一主面上；以及第二电极(13)，形成在压电膜(14)的第二主面上，该第二主面是压电膜(14)的第一主面的背面；所述压电薄膜谐振器具有第一电极(15a)和第二电极(13)相对的谐振区域(20)。在谐振区域(20)中的压电膜(14)的第一主面上具有与第一电极(15a)绝缘的电气性不连续部(18a)，电气性不连续部(18a)在第一主面上被第一电极(15a)包围。

摘要： 本发明公开了基于三维Gabor滤波器的高光谱图像快速滤波方法，包括如下步骤：获取三维高光谱图像立方体，预处理后在不同频率幅值，不同频率方法及尺度参数下构建三维Gabor滤波器；通过交叉验证方法确定三维Gabor滤波器的最佳尺度参数，然后将滤波器的虚部和实部均分解为一维低阶滤波器乘积的线性组合，进一步得到实部和虚部的特征立方体，然后求模值，合并为模值特征立体体，将不同频率，幅值及方向参数的幅值特征立方体连接合并，得到用于分类的特征，最后验证分类精度。

摘要： 一种光学低通滤波器10，是将水晶双折射板11、1/4波长板12和水晶双折射板13依次重叠起来的结构。在该水晶双折射板13所得到的光出射面主面的周围形成有曲率倒棱部13a、13b。该曲率倒棱宽度为使主面一侧(t2)小于侧面一侧(t1)。

摘要： 一种反滤波方法，所述方法包括：基于输入信号产生第一滤波信号；以及将第一滤波信号与输入信号组合以得到剩余信号。所述产生步骤包括：产生第二滤波信号，所述产生是稳定的和具有因果关系的；按照预测系数放大第二滤波信号；基于第二滤波信号获得第一滤波信号；将与输入信号有关的第一信号存储在缓冲器中；以及从缓冲器中检索时延信号。还提出了一种合成滤波方法，一种反滤波器装置和一种合成滤波器装置。

摘要： 提供一种在保持了本来的基于厚度纵向振动的谐振特性的情况下选择性地仅减少横向波型的波的压电薄膜谐振器。压电薄膜谐振器包括：压电膜(14)；第一电极(15a)，形成在压电膜(14)的第一主面上；以及第二电极(13)，形成在压电膜(14)的第二主面上，该第二主面是压电膜(14)的第一主面的背面；所述压电薄膜谐振器具有第一电极(15a)和第二电极(13)相对的谐振区域(20)。在谐振区域(20)中的压电膜(14)的第一主面上具有与第一电极(15a)绝缘的电气性不连续部(18a)，电气性不连续部(18a)在第一主面上被第一电极(15a)包围。

摘要： 本发明提供耐久性优异的光学滤波器以及具有该光学滤波器的显示器。所述光学滤波器包括透明基板、设置于透明基板表面的网状的电磁波屏蔽层以及在电磁波屏蔽层的表面形成的功能层，其特征在于，电磁波屏蔽层的表面粗糙度(Ra)超过0.02μm。

摘要： 一种具有突出到周围的导电层作为电极部的显示器用光学滤波器的制造方法、以及通过该方法获得的光学滤波器，所述方法包含如下工序：在矩形透明薄膜(12)的全部表面上形成金属导电层(13)，在金属导电层(13)的全部表面上形成硬涂层(16)，接着在硬涂层(16)的全部4边的边缘部或边缘部附近沿着边缘部照射激光，除去照射部分的硬涂层(16)，在硬涂层的周围露出金属导电层(13)的框状区域。

摘要： 本发明涉及遥感图像处理领域技术领域，公开了基于Gabor滤波器和协方差池化的遥感场景分类方法，包括以下步骤：将高分辨率遥感图像分为训练集和测试集，训练集用于训练卷积神经网络模型；将训练集中的高分辨率遥感图像进行归一化处理，归一化处理后的高分辨率遥感图像输入Gabor函数的卷积层提取特征；将提取的特征输入协方差池化模块，获得图像的深层特征；根据图像的深层特征，通过反向传播得到卷积神经网络模型的模型参数，通过全连接层对图像的深层特征进行分类；使用测试集验证卷积神经网络模型对遥感场景的分类精度，这种基于Gabor滤波器和协方差池化的遥感场景分类方法，能够提高在高分辨率场景下的分类精度。

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。