一种用于掌纹识别的Gabor滤波器方向选取方法
应用Gabor滤波的指纹识别算法的研究和实现_贺颖
基于 Gabor 滤波的指纹识别算法采用基于结构的特征提 取方法进行指纹识别，该算法可分为以下步骤：（1）定位参考点； （2）以参考点为中心做同心环作为特征提取区域；（3）对特征提 取区做归一化处理；（4）利用 Gabor 滤波器对特征提取区域 8 方 向滤波；（5）提取指纹 FingerCode 特征；（6）将提取的指纹特征 与数据库中的模板匹配，从而得出指纹识别结果。其算法流程 如图 1 所示。
HE Ying，PU Xiao -rong .Development and implementation of Gabor filterbank -based fingerprint recognition algorithm. Computer Engineering and Applications，2010，46（12）：172-175.
同心环被划分成扇区的数目，i=0，1，…，（B×k-1）；θ 表示偏离
图像 x 轴的角度，表征了 Gabor 滤波的处理方向。在分辨率为
500 dpi 的指纹图像中，相邻的脊线和谷线的总宽度近似为 20
个像素宽，20 像素宽的环形恰好可以捕捉到一条脊线和一条
谷线的纹路信息。如果环形宽度大于 20，则可能会丢失部分细
2 基于结构的指纹特征提取方法
目前流行的指纹识别算法大多采用细节点[5]表示指纹特征， 该算法有描述简单，特征存储容量小等优点，但也有明显不足： （1）单纯的局部细节特征丢失了大量的指纹信息，不能很好地描 述局部脊线和谷线的走向；（2）一般的指纹图像中可以提取 60~
80 个细节点，而不同的指纹细节点个数也不尽相同，变长的细节 特征表示不易进行比对排序；（3）基于细节点的图匹配、点模式 匹配等经典算法都需要对指纹进行校准，提高了算法的时间复 杂度。而基于结构的指纹特征提取方法改善了以上缺点：（1）通 过设计一系列的 Gabor 滤波器，能同时提取指纹的全局和局部 特征，最大限度利用了指纹图像中的信息；（2）提取的指纹特征 保存为定长的向量，有利于指纹的比对排序以及快速计算指纹特 征间的欧氏距离实现指纹匹配；（3）不依赖于细节特征点，可以直 接基于原始图像提取特征，免去了预处理过程，提高了运行效率。
Gabor滤波算法在指纹识别中的应用
文章编号:1003-1251(2004)03-0006-03G abor 滤波算法在指纹识别中的应用李 鹏,杨 康(沈阳理工大学信息科学与工程学院,辽宁沈阳110168)摘 要:利用G abor 滤波器的方向选择和频率选择特性,实现了一种基于G abor 滤波器的指纹识别算法.实验结果表明这种算法具有很强的抗干扰能力,对低质量指纹图像具有较高的识别率.关键词:指纹识别;Gabor 滤波器;指纹图像中图分类号:TP391.41 文献标识码:A2004年9月第23卷第3期沈阳工业学院学报JOURNA L OF SHE NY ANG INSTIT UTE OF TECH NO LOGY V ol.23N o.3Sep.2004收稿日期:2004-05-29作者简介:李鹏(1978—)男,辽宁锦州人,硕士研究生. 随着计算机图像处理和模式识别技术的发展,指纹识别技术已经广泛地应用于金融证券、公安、海关、社保、医疗及其他民用安全控制领域等需要辨明个人身份的场合.自动指纹识别系统的发展得益于快速可靠的算法研究.1 指纹识别算法原理指纹识别算法主要涉及指纹图像的获取、图像的预处理、特征提取、特征值的比对与匹配等.指纹识别技术原理框图如图1所示.图1 指纹识别流程图首先使用指纹采集仪采集指纹,生成灰度指纹图像.而后对指纹图像进行二值化和细化等预处理,得到指纹图像的单像素点线图,在细化后的指纹图像上提取指纹的细节特征,如分叉点和端点,一般说来,第一次提取的指纹细节特征中包含了很多伪特征,因而还需要删除掉那些伪特征点以保留可信度最高的细节特征,然后根据不同需要将这些细节特征或存入指纹数据库或直接和指纹数据库中的样本比对,进行指纹识别.目前指纹识别算法的研究多是基于准确地从高质量指纹图像中获取指纹纹线信息[123].但在实际获取的指纹纹理图像中有很多是低质量的,低质量的指纹纹理图像的脊结构难于被正确地测定.所以我们要对指纹图像进行增强,指纹图像增强主要是进行滤波处理.2 图像滤波处理2.1 G abor 函数G abor 函数是唯一能够达到测不准关系下界的函数[4],将一维G abor 函数推广到二维函数空间,得到二维G abor 函数g (x ,y )=12πδx δyexp -12xδx2+yδy2+j (ux +vy )(1) 二维G abor 函数是二维高斯函数在两个频率轴都发生了平移之后的结果,即原来的频率中心由坐标原点移到(u ,v )处,它是一个二维带通滤波器.为了适用于指纹识别,二维G abor 滤波器必须作一些调整.2.2 G abor 滤波器优化设计G abor 滤波器有着优良的滤波器性能并有着与生物视觉系统相近的特点,近年来被广泛用于纹理分割、目标检测、图像编码、视网膜鉴别等领域.偶对称的G abor 滤波器[5]一般形式为:h (x ,y ;φ,f )=exp -12x 2φδ2x+y 2φδ2y cos (2πfx φ)x φ=x cos φ+y sin φy φ=-x sin φ+y cos φ(2)式中φ是G abor 滤波器的方向,f 是滤波器的频率,δx 和δy 分别是沿x 轴和y 轴的G aussian 包络常数.采用合适的参数可以增强指定方向上的脊线和谷线的纹理结构,抑制杂乱的噪音等信息.通过G abor滤波后得到的特征表达可以有效的代表指纹图像,所以参数的选取就成为构造G abor滤波器的关键步骤.在图像上应用G abor滤波器必须确定滤波器的频率、方向、G aussian包络常数三个参数.滤波器的频率特性f完全由某块区域的频率所决定,方向也是由某块区域的方向决定的.δx和δy的取值需要视情况而定,取值越大,对噪声适应能力越强,但有可能产生伪的纹线;值越小,产生伪细节的可能性越小,但去除噪声的能力将减弱.2.3 G abor滤波在对指纹图像做G abor滤波之前一般要完成对图像的规格化并进行方向和频率估计.规格化就是将原指纹图像的灰度值的均值和方差调整到所期望的均值和方差.在原始灰度图像上,规格化按下式进行:G(i,j)=M0+σ2(C(i,j)-M)2σ2若C(i,j)>M; M0-σ2(C(i,j)-M)2σ2(3)式中,M0,σ02是预先设定的图像平均灰度和均方差.后续处理在G(i,j)上进行.指纹图像看作是有方向的纹理图像.首先将指纹图像分割成16×16的小块,对每个方块中的像素点(i,j),利用S obel算子计算其梯度Gx,Gy,然后利用下式计算块的方向:θ=12tan-1∑wi=1∑wj=12G x(i,j)G y(i,j)∑wi=1∑wj=1(G2x(i,j)-G2y(i,j))(4)当所有Gx=0或Gy=0时,θ分别取值为0°或90°.在不含特征的小区域中,可以把这一小块图像在垂直于纹线方向的灰度值看成一个正弦状的波形图.该波形图上的正弦函数的频率表示了纹线的分布,按下式计算特征值:X[k]=1w∑w-1d=0g(u,v) k=0,1,…,l-1,u=i+(d-ω/2)cosθ(i,j)+(k-l/2)sinθ(i,j)(5) v=j+(d-ω/2)sinθ(i,j)+(l/2-k)cosθ(i,j)式中,ω表示方向窗口的高度.从得到的X[k]中,找到所有的极大值点,令T(i,j)为这些极大值的平均距离(即极大值间的平均像素点数),则波形频率为F(i,j)=1/T(i,j).由于指纹脊线和谷线具有良好的双峰特性,因此把G abor滤波器函数的偶分量实部作为模板,以脊线和谷线形成的近似正弦波的频率作为滤波器频率,以指纹的局部区域方向作为滤波器的方向构建调制转移滤波器(简称MTF,如图2所示),其相应的计算公式为:H(u,v;φ,f)=2πδxδy exp-12(uφ-u0)2δ2u+vφ-v0)2δ2v+2πδxδy exp-12(uφ+u0)2δ2v+(vφ+v0)2δ2v(6)uφ=u cosφ+v sinφvφ=-u sinφ+v cosφ式中u0=2πcosφ/f,v0=2πsinφ/f,δu=1/2πδx,δv =1/2πδy.图2 调制G abor滤波器利用MFT G abor滤波器对指纹图像滤波,其公式为:ε(i,j)=∑wg/2u=-wg/2 ∑wg/2v=-wg/2h(u,v;O(i,j)F(i,j)G(i-u,j-v)(7)式中ε(i,j)为滤波后的图像,O(i,j)为象素点(i,j)的方向,w g为G abor滤波器的大小,在这里设wg=11.3 实验结果我们在PC机上实现了上述算法,并随机抽取了100枚指纹(采集时,由于有些人的手指太湿或存在疤痕、脱皮现象,以及位置差别变化较大,有20%的指纹质量较差)进行了测试.实验结果如图3・7・第3期 李 鹏等:G abor滤波算法在指纹识别中的应用所示,其中图3a 为输入的原图像,图3b 为经G abor 滤波器滤波后的指纹图像.由图看出,经MTF G abor 滤波器滤波后的指纹图像明显改善,指纹脊线和谷线灰度差异较为明显,这为后面的特征提取和匹配提供了强有力的保证.图3 G abor 滤波结果4 结束语本文提出的基于G abor 滤波器的指纹识别算法中所使用的偶对称G abor 滤波器具有良好的带通性,同时具有方向选择和频率选择特性,能够有效的对原始图像进行带通滤波、去除噪声以保存真正的纹线结构.对低质量指纹图像具有高效识别和较强抵抗噪声的能力,使指纹识别系统更具有鲁棒性和实用性.参考文献:[1]赵丽如,胡红俊,贺贵明.有效的指纹自动识别系统的设计与实现[J ].计算机工程,2002,28(4):1112112.[2]董日荣.基于结构特征的指纹匹配算法研究[J ].微机发展,2003,13(6):22224.[3]李志敏,彭志刚,陈福祥.基于动态全局特征的指纹匹配算法的研究[J ].沈阳化工学院学报,2000,14(4):2922295.[4]阮秋琦.数字图像处理学[M].北京:电子工业出版社,2001.[5]H ong L ,W an Y,Jian AK.Fingerprint image enhancement :alg orithmand performance evaluation[J ].IEEE T ransactions on Pattern Analysis and M achine Intelligence ,1998,20(8):7772789.Application of G abor Filtering Algorithm in the Fringerprint IdentificationLI Peng ,Y ANG K ang(Shenyang Lig ong University ,Shenyang 110168,China )Abstract :A fingerprint identification alg orithm based on G abor filter is discussed ,using the features of direction and frequency selectivity of G abor filter.Experimental results indicate that the alg orithm has a high ability to resist pattern noises and a high quality of fingerprint indentification for low 2quality fingerprint pattern.K ey w ords :fingerprint identification ;G abor filter ;fingerprint pattern・8・沈阳工业学院学报 2004年。
gabor滤波器案例
gabor滤波器案例Gabor滤波器是一种用于图像处理和分析的重要工具，它可以用来提取图像的纹理特征和边缘信息。
下面将介绍Gabor滤波器的原理、应用和一些案例。
1. Gabor滤波器的原理Gabor滤波器是基于Gabor小波函数的一种滤波器，它可以将图像分解成不同频率和方向的子频带。
Gabor小波函数是一种平滑且局部化的振荡函数，它在频域和空域上都具有良好的局部特性。
Gabor 滤波器通过在不同尺度和方向上对输入图像进行卷积来提取图像的纹理特征和边缘信息。
2. Gabor滤波器的应用Gabor滤波器在图像处理和分析中有广泛的应用，例如人脸识别、纹理分析、目标检测等领域。
由于Gabor滤波器在不同尺度和方向上具有良好的频率选择性和方向选择性，它能够在提取图像特征时保持较好的不变性和鲁棒性。
3. Gabor滤波器的案例(1) 人脸识别：Gabor滤波器可以用来提取人脸图像的纹理特征，通过将人脸图像分解成不同尺度和方向的子频带，然后提取每个子频带的局部纹理特征，最后将这些特征用于人脸识别任务。
(2) 纹理分析：Gabor滤波器可以用来分析图像中的纹理信息，通过提取图像中不同尺度和方向上的纹理特征，可以实现对纹理的描述和分类，从而用于纹理分析和识别任务。
(3) 目标检测：Gabor滤波器可以用来检测图像中的边缘和纹理信息，通过在不同尺度和方向上对图像进行卷积，可以得到图像的纹理特征图，然后通过对这些特征图进行分析和处理，可以实现目标的检测和定位。
(4) 图像增强：Gabor滤波器可以用来增强图像的纹理信息，通过对图像进行Gabor滤波，可以增强图像中的纹理细节，使图像更加清晰和有结构感。
(5) 文字识别：Gabor滤波器可以用来提取图像中的文字纹理特征，通过将图像分解成不同尺度和方向的子频带，然后提取每个子频带的局部纹理特征，最后将这些特征用于文字识别任务。
(6) 图像压缩：Gabor滤波器可以用来压缩图像的纹理信息，通过对图像进行Gabor变换，可以将图像的纹理信息表示为一组系数，然后可以对这些系数进行压缩和编码，从而实现图像的压缩。
基于Gab or滤波器的掌纹纹理特征的提取
基于Gab or滤波器的掌纹纹理特征的提取摘要:特征提取就是要对图像的性质进行定量化处理,在已有的方法中,有提取点特征,线特征,时频变换法,纹理特征等。
时频变换法主要是时把图像变换到频域,通过对频域特性的分析得到在时域时的情况。
纹理的方法是一种全局的方法,它不关心手掌纹线具体的分布和尺寸,而只关心在某个特定方向的纹理分布,即忽略掌纹的细节特征,而只看重不同纹线对不同方向贡献的全局变量。
在本文中,采用纹理作为特征向量,结果表明此方法可以较好的提取掌纹的特征。
关键词:掌纹Gabor滤波纹理特征1 Gabor滤波器Gabor变换是在1946年提出的,具体针对Fourier函数的纯频域分析的局限性,在Gaussian函数的基础上提出的短时Fourier变换,Daugman将其扩展成为二维形式,即2D Gabor函数[1][2][3][4][5]。
本文在应用Gabor函数进行特征提取[6]时主要通过Gabor滤波器(即Gabor filtering)。
2D-Gabor滤波器是以2D-Gabor函数作为其基函数,由于在时域和频域都具有的显著的优势,因此Gabor函数作为分析滤波器被广泛应用于图像处理中。
由于Gabor滤波器的定义是在Gabor 小波族的基础上进行离散化的处理,因此我们通过对标准2D Gabor函数进行归一化处理,即满足,可以得到Gabor滤波器的函数形式,即:4 结论在本文中,重点阐述了基于纹理特征的提取问题。
这种特征提取的方法有其特定的优势,它不关心手掌纹线具体的分布和尺寸,而只关心手掌在某指定方向的纹理分布,它看重不同纹线对不同方向贡献的全局变量。
本章讨论了二维Gabor滤波器的特性,提取Gabor滤波器的纹理能量作为特征向量,经证明具有可行性。
参考文献[1] Daugman J.Uncertainty relation for resolution in space,spatial frequency and orientation optimized by two-dimensional visual cortical filters[J].Journal of the Optical Society of America A,1985,2:1160～1169.[2] Bastiaans M.J.Gabor´s Expansions of a Signal into Gaussian Elementary Signals[J].Proc.IEEE,1980,V ol,68,No.4,pp538～539.[3] John plete Discrete 2-D Gabor Transforms by Neural Networks for Image Analysis and Compression[J].IEEE Transactions on Acoustics Speech and Signal Processing luly 1998.V oL 36,No.7,pp1169～1179.[4] Qian S Chen D. Discrete Gabor transforms[J].IEEE Trans Signal Processing,1993,21(7),pp2429～2438.[5] Alexander Mojaev.Andreas Zell.Real-Time Scale Invariant Object and Face Tracking using Gabor Wavelet Templates[J].InTagungsband zum 18. Fachgesprach AMS (Autonome Mobile Systeme)(R.Dillman H Worn T.Gockel eds.),Karlsruhe,4～5.Dez 2003,pp12～20.[6] 靳明.基于Gabor滤波器的军用目标识别及跟踪方法的研究[D].中国科学院研究生院(长春光学精密机械与物理研究所),2005.[7] 赵英男,刘正东,杨静宇.基于Gabor滤波器和特征加权的红外图像识别[J].计算机工程与应用,2004.32:22～24.[8] 李文新.夏胜雄基于主线特征的双向匹配的掌纹识别新方法[J]计算机研究与发展,2004,41(6):996～1002上.[9] 吴介,裘正定.掌纹识别中的特征提取算法综述[J]北京电子科技学院学报,2005,13(2):86～92.[10] ZHANG D.KONG W K.Online palmprint identification[J].IEEE Transactions on Pattern Analysis And Machine Intelligence,2003,9(25):1041～1050.。
一种采用Gabor小波的纹理特征提取方法
一种采用Gabor小波的纹理特征提取方法一、本文概述纹理分析是计算机视觉领域中的一个重要研究方向，广泛应用于图像识别、目标检测、模式识别等多个领域。
纹理特征提取作为纹理分析的核心环节，其准确性和有效性对于后续处理步骤至关重要。
近年来，随着小波变换理论的深入研究和应用，Gabor小波因其良好的空间频率特性和方向选择性，在纹理特征提取方面展现出独特的优势。
本文旨在探讨一种采用Gabor小波的纹理特征提取方法，以期提高纹理识别的准确性和鲁棒性。
本文首先简要介绍纹理特征提取的背景和意义，然后重点阐述Gabor小波的基本理论及其在纹理特征提取中的应用。
接着，详细介绍本文提出的基于Gabor小波的纹理特征提取方法，包括Gabor滤波器的设计、特征向量的构建以及特征提取的具体步骤。
通过实验验证所提方法的有效性和性能，并与现有方法进行对比分析。
本文旨在为相关领域的研究者提供一种新的纹理特征提取思路和方法，推动纹理分析技术的进一步发展。
二、Gabor小波变换原理Gabor小波变换是一种线性滤波方法，其基本思想是通过一组Gabor滤波器对图像进行卷积，从而提取出图像的局部特征。
Gabor 滤波器是一种具有特定频率、方向和尺度的线性滤波器，其冲激响应函数可以表示为二维高斯函数与复正弦函数的乘积。
g(x,y;λ,θ,φ,σ,γ) = exp(-(x'² + γ²y'²)/(2σ²)) * exp(i(2πx'/λ + φ))其中，(x,y)表示空间坐标，λ表示波长，θ表示方向，φ表示相位偏移，σ表示高斯包络函数的标准差，γ表示空间纵横比，用于控制滤波器的椭圆形状。
x'和y'是旋转后的坐标，通过旋转矩阵实现。
Gabor小波变换的核心思想是将图像与一组Gabor滤波器进行卷积，每个滤波器都可以提取出图像在特定频率、方向和尺度下的局部特征。
这样，通过对所有滤波器输出的组合，就可以得到图像的完整纹理特征。
人脸特征检测的最佳Gabor滤波器设计方法
。
脸特 征检测 方 法中参数 的选择依 据并给 出具
体 的参数 。
霞 霞
鬻蓬 霾蕊鞫鞠 鬟照 霾彝
Ｇ ｂｒ ａｏ 小波； 变 ；Ｇｂｒ 换 ａｏ 滤波器；人脸 特征 ； ！
Ｉ多分 类模 型 已经提 出来 了 ，但是 它 们 当 ｊ器的输 入特 征 ，这 种像 素值 特征 不能 表
以 ， 应 该 找 出具 有 相 邻 关 系 的 更 有 效 的
提 取 与分类 器 的设计 是十 分 重要 的 。许
中有许 多都是使用 图像的像素值作为分类
露 蘑 瑟霜 霾嚣霞 达 出 检测物 体 的形状 以 及纹 理特 征 。所 雾 霆 露嫠翳鞫露鞠豳豳
Ｔ ｅ ａ ｐｃ ｔ ｎ ｆ ｈ Ｇａ ｏ ｗ ｖ ￣ｔ ｎ ｅ ｃ ｎ ｅ ｈ ｐ ｌａ ｉ ｏ ｔ ｅ ｉ ｏ ｂ ｒ ａ ｅ ｆ ｔ ｒ ａ ｂ
ｇ ｔ∈Ｌ（ ，且还 有 ｔ（） ，则称 （ ） Ｒ） ｇｔ ∈Ｌ （ Ｒ） ｇ ｔ是一个窗 函数。窗 函数 ｇｔ中心 ｔ （） （） ＋与
１ ． ，
Ｇａ ｏ ｗ ｖ ￣ Ｎｔ ｒ 阻ｒ Ｔ ｔ ｒ ｎ ｄｆｅ ｅ ｔ ｑｅ ｔ ｎ ｂ ｎ ＆ｅ ｔ ｅ ａＴ ｅｓ ｉ ｉ ｒ ｎ ｕｓ ｉ ｓ Ｉ ｅ ｆ ｏ
ｒａｏａ ｌ ｅ ｓ ｎ ｂｙ． Ｔ ｂ ｓ ｏ ｔ ｅ ａ ａ ｅ ｅｓ ｅｅ ｔ ｎ ｅ ｈ ａ ｉ ｆ ｈ ｐ ｒ ｍ ｔ ｒ ｓ ｌ ｉ ｓ ｃ ｏ
ｓ ｏ ｌ ｅ ｄｆ ｅｅ ｔ ｉ ｉｆｒ ｎ ｐ ｌ ａ ｉ ｏｃ ￣ｏ ｓ ｈ ｕ ｂ ｉｆ ｒｎ ｎ ｄ ｅ ｅ ｔ ａ ｐ ｃ ｔ ｎ ｃ ａ ｎ ． ｄ ｆ ｉ ｏ
ｔ ａ ｓ ｏ ｍ ｄ ｎ ｏ ｐ ｏ ｌｍ ｈ ｔ ｏ ｒ ｎｆ ｒ ｉｔ ａ ｒ ｂｅ ｔ ｚ ｈ ｗ ｔ ｓ ｌｃ ｉｎ ｝ ｅ ｏ ｅｅ Байду номын сангаасｏ
一种用于掌纹识别的Gabor滤波器方向选取方法
ｐａｍ ｐ ｉ ｍ ａ ｓａｎ ｈａ ｈｅ ａ ｇ ｉｈｍ ｓ ｓｍ ｐ ｙ ａｃ ｅ ｄ． ｌ ｒｎｔｉ ｇｅ ｄ ｔ ｔｔ ｌ ｏｒｔ ｉ ｉ ｌ ｈｉｖｅ Ｋｅ ｙｗｏ ｄｓ Ｇ ａ ｒ ｆｌｅ ；ｄｉｅ ｔｏｎ ｓ ｅ ｔｏｎ；ｐａ ｍ ｐｒｎｔｉ ｅ ｉｉａ ｉｎ ｒ ｂｏ ｉ ｒ ｔ ｒ ｃ ｉ ｅｌｃ ｉ ｔ ｉ ｄ ｎｔｆｃ ｔｏ
中图 分 类 号
Ａ ｅ ｈ ｄ ｏ Ｍ ｔ ｏ ｆ Ｇａ ｏ ｌ ｅ ｒ ｃ ｉ ｎ Ｓ ｌ ｃ ｉ ｎ ｂ ｒ Ｆｉｔ ｒ Ｄｉ ｅ ｔｏ ｅ ｅ ｔｏ
Ｕ ｓ ｎｇ ｆ ｒ Ｐａ ｍ ｐｒ ｎｔＲ ｅ ｏ ｎｉｉ ｎ ｉ ｏ ｌ ｉ ｃ ｇ ｔｏ
Ｚｈａ ，Ｗ ａｎ Ｃｈ ｎ， Ｌｉ ａ ｈ ａ ｎｇ Ｌｉ ｅ ｕＨ ｉｕ
Ａ ｂ ｔａｃ ｓｒ ｔ
Ｂａｓ ｄ ｅ ｏｎ ｈｅ ｐ ｃ ｒ ｌ ｈａ ａ ｔ ｒｓ ｉｓ ｔ ｓ ｅ ｔ ａ ｃ ｒ ｃ ｅ ｉｔｃ ｏｆ ａｌ ｐｒｎ ｉ ａ ｅ ｐ ｍ ｉ ｔ ｍ ｇ ｓ． ｗ ｅ ｒ ｓ ｔ ａ ａｕ ｏ ａ ｉ ｍ ｅ ｈｏ ｆ ｒ ｐ ｅ ｅｎ ｅｄ ｎ ｔ ｍ ｔｃ ｔ ｄ ｏ
Ｇａ ｏ 变 换是 一种 加 窗 的傅 里 叶变 换 ， ｂｒ 与人 类 视 觉 皮层 中简单 细胞 的视 觉 刺激 响 应 非 常相 似 ， 在
空 域 和 频 域 上 都 显 示 出 良 好 的 局 部 性 ， 广 泛 地 应 被
纹识别 ［ ， Ｇａ ｏ 滤波 器 的方 向选 取 更趋 合理 ． ２使 ］ ｂｒ 但 是该 方法 先 要对 归 一 化后 的 图像进 行 分 块 ， 对 每 再
一
块 采 用 Ｒａ ｏ ｄ ｎ变 换 获 得 方 向 ， 种 基 于 投 影 的 方 这 本 文 根 据 掌 纹 图 像 的 频 谱 特 征 ， 用 纹 理 的 频 采
用于特征提取的Gabor滤波器参数设计
用于特征提取的Gabor滤波器参数设计
李建萍;付丽琴;韩焱
【期刊名称】《光学与光电技术》
【年(卷),期】2010(8)3
【摘要】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。
根据坦克的外形特点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。
【总页数】5页(P79-83)
【关键词】Gabor滤波;参数设置;Gabor核函数;特征提取
【作者】李建萍;付丽琴;韩焱
【作者单位】中北大学现代无损检测工程技术研究中心
【正文语种】中文
【中图分类】TP391.4
【相关文献】
1.适用于虹膜识别的Gabor滤波器参数选择 [J], 苑玮琦;刘汪澜;柯丽
2.Gabor滤波器参数设计及其在虹膜识别中的应用 [J], 苑玮琦;刘汪澜;柯丽
3.生物特征提取的Gabor滤波器参数设计 [J], 马帅旗
4.生物特征提取的Gabor滤波器参数设计 [J], 马帅旗;
5.用于虹膜特征提取的Gabor滤波器参数选取方法的研究 [J], 苑玮琦;刘汪澜;柯丽;徐露
因版权原因，仅展示原文概要，查看原文内容请购买。
一种采用Gabor小波的纹理特征提取方法
CS = { PS0Q S0 , PS1Q S0 , …, PSP - 1Q SQ - 1 } ( 10) 针对集合 CS 中的每个元素 ,采用式 ( 5 ) 计算 Gabor小波作用于每个元素后的能量信息 。假设用 ES 表示能量信息集合 ,则 ES 可表示为
1 直接 Gabor小波变换纹理特征提取
1. 1 Gabor小波变换 Gabor小波可以看作母小波是 Gabor函数的小
波变换 。假设用 f ( x, y )表示尺寸为 M ×N 图像 , 那么该图像的 2维离散 Gabor小波变换可以表示为
Ip, q ( x, y) =
f ( x - s, y - t)φ3p, q ( s, t) (1)
ES = { E ( p, q) p∈ ( PS ∧q∈Q S } (11) 为了使 ES 中每个元素的量值不受图像实际尺 寸的影响 ,对 ES 中每个元素进行归一化处理 。若 用 ES ′表示经归一化处理后的能量信息 集合 , 用 E′( p, q)表示经归一化处理后的 E ( p, q) ,则 ES ′可 表示为 ES ′= { E ( p, q) /m ax ( ES ) p ∈ PS ∧ q ∈ Q S }
(9)
第 2期
张 刚等 :一种采用 Gabor小波的纹理特征提取方法
249
2 改进 Gabor小波变换纹理特征提取
2. 1 显著性分析 虽然采用直接 Gabor小波变换方法计算得到的
纹理特征向量可以有效地标识图像 ,而且具有旋转 和尺度不变性 ,但是它具有维数较高的缺陷 。纹理 特征提取算法通常希望不仅能够提取具有显著标识 力的特征 ,而且能够使计算得到的纹理特征向量具 有较低维数 。根据这种思想 , 本文提出一种采用 Gabor小波变换的纹理特征提取方法 。
gabor特征提取
gabor特征提取
Gabor特征提取是一种用来提取特定图像内容信息的新技术。
它使用Gabor滤波器通过检测变换的对象的强度，提取对象的空间周期特征，使用优化的计算和图像处理算法提取图像内容的特征，以进行图像识别和分类。
Gabor特征提取从两方面解析图像：它们同时考虑物体的空间和几何信息，可以以较快的速度计算出图像的复杂空间特征。
首先，Gabor滤波器会使用指定的参数对图像的空间分贝和几何特征进行检测。
这些参数也就是Gabor滤波器的参数，是用来控制Gabor滤波器的尺寸、方向和位置的，其中尺寸、方向和位置的参数的选择是使用语义或实际感兴趣的部分选择的。
经过Gabor滤波器检测的图像结果可以显示出特定方向的物体的不同部分，而这些变化是不受背景影响而相对稳定的。
然后，对于被解析出来的信息，经过优化的计算和图像处理算法中处理，最终提取出的Gabor特征，可以准确的描述图像的特征，以便进行图像识别和分类。
Gabor特征提取也经常用于实现数据的嵌入，以便进行生物指纹识别。
总而言之，Gabor特征提取是一种可以以较快的速度提取图像内容特征的有效方法。
它结合了Gabor滤波器检测和优化的计算和图像处理算法，可以不受背景影响而准确地识别分类图像，同时可以进行嵌入数据的识别。