指纹图像增强算法的研究与实现

本文详细介绍了Gabor小波函数、Gabor滤波、指纹图像增强算法,并根据文中设计的增强算法在计算机上用VC＋＋编程实现,实验结果表明该算法对指纹图像中的断点、毛刺等噪声能有效去除,达到较好的增强效果。     

基于Gabor相位的局部导数模式的人脸识别

文章对人脸的特征提取进行了深入的研究,提出了基于Gabor小波的局部导数模式的特征提取方法。基于Gabor的局部二值模式(LGBP)和基于Gabor的局部导数模式(LGDP),主要针对LBP以及多阶的LDP算法分别在灰度图像和Gabor小波图像进行识别实验,并对比其实验结果。得出的结果可以看出高阶的LDP算法的识别效果比LBP算法好。随着LDP阶数的增高,其获得的人脸的细节越详细,在三阶时效果越好,高于三阶的LDP算法其获得的信息会包含较多的噪声不利于识别。而基于Gabor的识别方法的识别率高出了在灰度图像的识别率。所以得出三阶的基于Gabor的局部倒数模式(LGDP)具有最高的识别效果。     

非接触式手掌识别

单一掌纹特征难以全面描述手掌信息,导致识别率较低.为了提高识别率,提出了一种基于Gabor滤波的掌形、掌纹、关节融合手掌识别方法.首先对手掌图像进行预处理,然后提取手掌图像的特征,最后进行特征匹配.实验结果表明,融合多特征的方法是有效的.     

基于Isomap的人脸图像特征融合识别算法

提出Gabor特征融合+Isomap+SVM算法.利用Gabor滤波器提取图像特征,将相同中心频率不同方向的滤波结果相加,在保证识别率的同时降低了Isomap算法计算的数据量.然后使用Isomap算法对非线性特征信息降维,最后使用支持向量机(SVM)对降维结果分类.通过对ORL数据库实验证明,Gabor特征融合+Isomap+SVM算法与传统算法相比具有更高的识别精度.     

基于2D Gabor滤波器和LBP的车牌识别研究

本文提出一种基于2DGabor滤波器和LBP的车牌识别方法,与基于2DGabor滤波器的方法相比,该方法降低了图像维数,识别时间短,识别精度高。首先利用2DGabor滤波器对归一化后的图像进行低通滤波,然后使用LBP提取车牌纹理特征,最后用支持向量机作为分类器。在课题组自建的车牌库上进行实验,取得了94.3%的识别率和每张图像0.291s的识别时间,说明该方法基本满足实际需要。     

人脸特征检测的最佳Gabor滤波器设计方法

Gabor小波滤波器的应用可以转化为在不同的问题中如何合理选取Gabor滤波器参数的问题,不同的应用场合参数选取的依据应有所不同。本文通过实验给出了Gabor滤波器在人脸特征检测方法中参数的选择依据并给出具体的参数。     

基于Gabor特征分解的高斯混合非线性图像滤波

通过图像滤波提高图像的分辨和识别能力,传统的图像滤波算法采用小波降噪方法,由于受到背景色噪声的干扰,小波分解中对低频图像参量的滤波性能不好。提出一种基于Gabor特征分解的高斯混合非线性图像滤波算法。首先进行图像平滑和小波分解预处理,沿梯度方向求得图像边缘信息,在尺度平移平面上进行小波特征分解,得到图像滤波过程中的Gabor小波变换系数,采用高斯混合非线性滤波算法实现图像滤波方法改进。仿真结果表明,采用该方法进行图像滤波,能有效抑制图像斑点噪声,提高图像的分辨性能,对边缘特征和细节的保持能力方面性能有优越,特别适用于对合成孔径雷达成像的滤波处理。     

Gabor传递函数相似性测度图像质量评价算法

数字图像在压缩和融合等处理中会产生退化效应,当前对图像退化中质量评价指标如均方误差(MSE),峰值信噪比(PSNR)等不能有效反映图像在退化过程中传递性能,而只是单纯计算图像之间灰度值差异,对图像质量评价不准。提出一种利用Gabor传递函数相似性测度为评价指标的图像质量评价算法,采用图像的亮度、对比度和结构相似度为场景结构基准特征,设计Gabor传递函数。通过双正交滤波器得到Gabor传递函数相似性测度,该指标能有效反映图像退化演变过程中的传递性能,合理评价参考图像和失真图像质量。仿真实验表明,利用Gabor传递函数相似性测度指标评价图像质量,能准确反映图像失真等级,在几乎所有失真类型上都能有较满意的结果,评价结果比较稳定。     

基于自适应维纳滤波的模糊化车牌定位方法

维纳滤波器在处理信号时具有简单快速且边界保持效果较好的特点,通常在图像处理中,维纳滤波器都是用于模糊图像的去噪和恢复。本文将维纳滤波用于图像的模糊化处理上,使车牌区域和非车牌区域经维纳滤波处理以后有很明显的区分,更有利于车牌的定位。基本方法是利用HSV空间,提取出车牌图像的饱和层,然后调节自适应维纳滤波器的滤波窗口,使图像中的非车牌区域模糊化,最后采用形态学处理等方法实现车牌的最终定位。研究结果表明,采用本文所提出的车牌定位方法在定位速度以及识别效率方面优势明显。     

基于DSP车牌识别系统的设计

文章设计了一种车牌识别系统,采用基于DSP构建的硬件平台,运用数字图像处理的相关基础知识来实现车牌识别的功能。该系统主要包括图像采集与预处理、车牌定位、字符切分以及字符识别等四个部分。通过对采集到的图像进行分析处理,分别得到边缘检测、直方图统计、中值滤波、锐化、灰度阈值处理等实验结果。     

基于小波变换的钞票识别

提出一种基于Gabor小波特征提取的钞票识别算法。基于钞票印刷图像的纹理特性,从钞票图像中选取采样点,利用Gabor小波提取采样点的领域特性作为特征。选用统计模型作为分类器,用提取到的特征作为输入。取第五套人民币作为实验集进行了实验,实验结果表明方法的有效性,能正确识别实验集的全部样本。     

基于Gabor和支持向量机的遮挡人脸识别

提出一种针对部分遮挡的人脸图像进行分类识别的新算法。采用Gabor小波变换对人脸图像进行特征提取,从而得到图像的Gabor特征矩阵。并利用支持向量机的方法实现遮挡人脸的分类识别。经仿真实验证明该算法有效。     

一种基于活动围道的纹理图像分割方法

本文将Gabor滤波器和各向异性扩散方程相结合，提出了一种基于活动围道的无监督纹理图像分割算法。采用基于总变分流的扩散函数，各向异性扩散方程可以有效地在保留纹理图像大尺度边界信息的同时对图像纹理区域进行平滑，获得比原始图像更易分割的简化图像。但是平滑过程中纹理信息的丧失，限制了该方法的通用性和有效性。为了在利用各向异性扩散方法的同时有效地提取和利用纹理信息，我们利用Gabor滤波器提取一组表征纹理方向性和尺度性的特征图像，同时将原始图像作为表征纹理灰度信息的一个特征通道考虑。再利用矢量形式的各向异性扩散方程对特征图像进行边界保持的各向异性平滑。我们将基于区域灰度统计参数估计的活动围道分割方法扩展到矢量空间，来对平滑后的纹理特征量进行分割。实验证明利用该纹理分割算法可以获得较好的效果。     

基于Gabor和CS-LBP的人脸识别研究

由于使用Gabor小波描述的人脸易忽略人脸的局部特征,且存在一定的冗余度,本文研究了一种基于Gabor滤波和中心对称局部二值模式(CS-LBP)的人脸识别方法。该方法结合了Gabor提取人脸图像在空域和频域局部信息的优势和CS-LBP提取细节纹理特征的优势,可以提取出更好的用于识别的特征。在Yale人脸数据库上的测试结果显示,此方法得到的识别率更高,鲁棒性更好。     

基于边缘检测和投影法的车牌定位算法研究

车牌定位是车牌识别中的关键步骤。为了能在复杂背景和不同光照条件下快速、准确地定位车牌位置,提出了一种基于边缘检测和投影法的车牌定位方法。该方法首先对车牌图像实施边缘检测、二值化等预处理,然后在此基础上,利用基于双向回溯的投影法确定车牌的上下左右边界。实验结果表明,该方法定位速度快、准确率高。     

一种基于VC++的智能车牌识别系统

一个典型的车牌识别系统一般由车牌图像预处理、车牌定位、车牌字符分割和识别等几部分组成。本文提出了一种基于VC++的车牌自动识别系统,对其中的关键技术进行了详细的说明。实验表明,该系统可以有效对汽车牌照进行定位与识别,具有一定的实际应用价值。     

随机比较Gabor滤波的可撤销掌纹识别算法

针对掌纹生物特征识别的模板安全保护,本文研究并提出一种Gabor滤波与混沌矩阵进行随机比较的可撤销掌纹识别方法。首先使用Gabor滤波器与经过预处理的掌纹图像卷积;然后将滤波得到的模板与混沌矩阵进行随机比较,得到可撤销的二值模板;最后根据计算模板之间的汉明距离归类匹配。通过掌纹数据库实验表明,该算法在保护掌纹图像模板安全性的同时,提高了识别效果。     

基于部分遮挡的人脸表情识别方法

针对部分遮挡的人脸表情识别,提出了一种基于部分遮挡判断的人脸表情识别方法：首先对包含表情信息的静态图像进行Gabor小波变换,提取表情特征矢量,然后用最大相关分类器对特征矢量分类。实验表明,该方法对局部遮挡的人脸表情识别有较强的鲁棒性。     

一种车牌识别算法的实现

智能交通系统是21世纪世界道路交通的发展趋势。公路交通基础建设的不断发展和车辆管理体制的不断完善,为以视觉监控为基础的智能交通系统的实际应用打下了良好基础。在智能交通系统中,车牌自动识别系统是一个非常重要的发展方向。本文提出了一种基于图像处理的车牌识别算法,整个算法过程围绕着图像处理而展开的。利用二值化、图像的缩放和切割、滤波、检波、异或运算、图像匹配等完成对图像处理。     

车牌识别中的图像分割技术研究

针对当前车牌识别系统中图像分割方法应用单一,适用范围窄的问题,提出了综合应用多种图像分割方法的算法。车牌识别系统分为车牌图像预处理、车牌定位、字符分割、字符识别四个步骤。首先运用投影算法,把输入的原始车牌彩色图像转换成灰度图和二值图,并实现车牌位置的初步定位;其次运用OTSU算法,实现车牌的精确定位,并获取车牌的灰度图数据;然后运用动态自适应算法对车牌灰度图进行二值化;最后根据车牌的几何特征,对车牌字符进行分割及归一化处理。通过对4000张不同环境下车牌图片的测试,表明本处的算法可以成功的实现车牌定位及字符分割,具有较强的适应性,对后续的字符识别起到了重要作用。