Gabor滤波器和ICA支持的无监督纹理分割
【国家自然科学基金】_无监督分割_基金支持热词逐年推荐_【万方软件创新助手】_20140801
科研热词 推荐指数 高维海量数据 1 高斯模型 1 马尔科夫随机场 1 阈值分割 1 遥感图像 1 自适应分类 1 自适应 1 腰部核磁共振图像 1 脉冲耦合神经网络 1 纹理背景 1 纹理特征 1 纹理图像 1 纹理分割 1 红外图像 1 相似性 1 目标提取 1 特征提取 1 滤波器 1 无监督聚类 1 无监督分割 1 无监督 1 新势能函数 1 彩色图像分割 1 小波 1 多类分割 1 基于独立分量分析的主动外观模型1 均值漂移 1 四叉树分解 1 变化检测 1 医学图像处理与分析 1 区域显著性 1 区域合并 1 分割窗 1 三重markov随机场 1 sar图像pixon描述 1 meanshift算法 1
推荐指数 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2010年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36
2013年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 4 4 5 6 7 8 9 10 11 12 13 14
科研热词 马氏距离 面向对象无监督分类 遥感影像 谱方法 自动分类 聚类 维数约减 监督式谱空间 流形映射 模式识别 最大加权熵 分类 k均值 hsi颜色空间
推荐指数 1 1 1 1 1 1 1 1 1 1 1 1 1 1
科研热词 推荐指数 图像分割 3 并行计算 2 tbb 2 mean shift 2 cuda 2 骨架模型 1 隐状态 1 随机森林 1 配准 1 过程监控 1 车牌定位 1 路面养护 1 裂缝分类 1 行为分割 1 自旋图 1 置信度 1 纹理分割 1 系统融合 1 物体识别 1 潜在语义标引 1 泡沫浮选过程 1 法向量 1 气泡尺寸动态分布 1 核密度估计 1 本征维数 1 最远邻聚类 1 无监督纹理分割 1 无监督 1 方向特征 1 文档频度(df)值分布分割 1 散射算子 1 散射卷积网络 1 支持向量机 1 扩展陆地移动距离 1 带方向特征的contourlet hmt 1 小波变换 1 孤立性肺结节 1 增广空间模型 1 图像增强 1 变量分布 1 几何基元拟合 1 人脸姿态校正 1 三维仿射变换 1 pet分割 1 kinect 1 ct分割 1 contourlet hmt 1 2.5d 1
组合局部多通道Gabor滤波器和ICA的人脸描述与识别
２０ ０ ８年 １ １月
计 算 机 应 用 研 究
Ａｐ ｌ ａｉｎ Ｒｅｅ ｒ ｈ ｏ ｏ ｕｅ ｓ ｐｉ ｔ ｓａ ｃ ｆＣ ｍｐ ｔｒ ｃ ｏ
Ｖ０ ． ５ Ｎｏ １ １２ ． １ ＮＯ ．２ ０ Ｖ ０ ８
组 合 局 部 多 通 道 Ｇａ ｏ 滤 波 器 和 ｂｒ ＩＡ的 人脸 描 述 与 识 别 Ｃ
Ｍｅｈ ｄ ｆｒｆｃ ｅ ｃｉ ｔ ｎ ａ ｄ ｒ ｃ ｇ ｉ ｏ ｙ ｔｏ ｏ ａ ｅ ｄ ｓ ｒ ｉ ｎ ｅ ｏ ｎ ｔ ｎ ｂ ｐ ｏ ｉ
ｌｃ ｌｍｕ ｔ— ｈ ｎ ｅ ｂ ｒｆｌｅ ｓａ ｄ Ｉ ｏ ａ ｌｉｃ ａ ｎ ｌＧａ ｏ ｔｒ ｎ ＣＡ ｉ
Ｇ ａ ， ＨＥ Ｍｉｇ ｙ ， Ｂ ｉ ＡＯ Ｔ ｏ ｎ 。ｉ ＡＩＬ ｎ
（ｈ ａ ｘ Ｐ ｏｉｃ ｅ ａｏａｏｙｏ ｎｏｍ ｔｎＡ ｑｉｔ ｎ＆ Ｐ ｏｅｓ ｇ ｃｏｌ Ｅｅｔ ｎｃ＆ Ｉ ｏｍａｉ Ｎ ａ ｗ ｓｒ ｏ ｔ ｈ ｗ ｌ ｎ— Ｓ ａ ｎ ｉ ｒｖ ｅ ｙＬ ｂｒｔｒ ｆ ｒａｉ ｃｕｓｉ ｎ Ｋ ｆＩ ｏ ｉｏ ｒｃｓｎ ，Ｓｈ ｏ ｏ ｌ ｒ ｉ ｉ ｆ ｃｏ ｎ ｒ ｔｎ， ｏ ｈ ｅｅｎＰ ｌ ｅ ｎ ａ ｉ ｆ ｏ ｔ ｙｃ Ｕ ｖｒ ｔ， ｉａ １０ ２，Ｃ ｉａ ｅｉ Ｘ ’ ｎ７ ０ ７ ｓｙ ｓｏ ｄｎ ｃｌ ａｏ ａｎｔｄ ａ Ｌ ＭＭ） ｗ ｉ ｅｅｃｎｔ ｃ ｄｔ ｈｇｅ ｉ ｅｓ ｎｌ ｕｔｓ ｌ ｔ ｅｔ ｔｈｉｃｒ ｐｎ ｉｇｌ ａ Ｇ ｂｒ ｇｉ ｅｍ ｐ（ Ｇ ｉｃ ｅ ｏ ａ ｒ ｅ ｏ ｍ ｕ ， ｈｃ ｗ ｒ ｏ ｓｕ ｔ ｉ ｒ ｍ ｎｉ ａ ｈ ｒ ｅ ｏ ｈ ｄ ｏ ｆａ ｒ ｖｃｏ ．Ｎ ｘ， ｄ ｃｄｔｅｄｍ ｎｉ ａｉ ｆ ｈｓ ｅｔ ｙｍ ａ ｓ ｆ ｒ ｃｐｌ ｏ ｐ ｎｎ ｎｌｓ Ｐ Ａ） ｉａｌ， ｅｔ ｅ ｅｔｒ ｅｔｒ ｕ ｅ ｉ ｅｓ ｎｌｙｏ ｔｅｅｖｃ ｒ ｂ ｅｎ ｉ ｉａ ｃｍ ｏｅ ｔ ａ ｉ Ｃ ．Ｆｎ ｙ ｕ ｓ ｅ ｈ ｏ ｔ ｏ ｓ ｏｐ ｎ ａ ｙ ｓ（ ｌ
组合局部多通道Gabor滤波器和ICA的人脸描述与识别
组合局部多通道Gabor滤波器和ICA的人脸描述与识别高涛;何明一;白磷【期刊名称】《计算机应用研究》【年(卷),期】2008(25)11【摘要】针对人脸识别是当前人工智能和模式识别的研究热点,提出了一种组合局部Gabor滤波器组和ICA技术(简称LMGICA)的人脸描述方法,首先对归一化的人脸图像进行采样分块,然后对局部子块进行多方向、多分辨率Gabor小波滤波,并提取其对应不同方向、不同尺度的多个Gabor 幅值域图谱(local Gabor magnitude map,LGMM),接着由滤波图像直接构建高维特征矢量;再将这些高维特征矢量通过主成分分析进行降维;最后采用ICA技术分析和提取降维后的特征矢量中的独立成分用于识别分类.通过与经典Gabor滤波器、PCA、ICA等方法的对比实验,验证和评价了本方法的性能.【总页数】4页(P3517-3520)【作者】高涛;何明一;白磷【作者单位】西北工业大学,电子信息学院,陕西省信息获取与处理重点实验室,西安,710072;西北工业大学,电子信息学院,陕西省信息获取与处理重点实验室,西安,710072;西北工业大学,电子信息学院,陕西省信息获取与处理重点实验室,西安,710072【正文语种】中文【中图分类】TP391.41【相关文献】1.一种基于局部Gabor滤波器组及PCA+LDA的人脸表情识别方法 [J], 邓洪波;金连文2.基于局部中频Gabor滤波器组的人脸识别 [J], 周立俭;马妍妍;孙洁3.基于局部Gabor变化直方图序列的人脸描述与识别 [J], 张文超;山世光;张洪明;陈杰;陈熙霖;高文4.一种基于多通道Gabor小波与2DFLD的人脸识别方法 [J], 火元莲;周昊;齐永锋5.基于环形对称Gabor多通道纹理加权的人脸识别 [J], 王昱蓉;白静;张雪英因版权原因，仅展示原文概要，查看原文内容请购买。
Gabor特征分解与图像滤波
Gabor特征分解与图像滤波Gabor特征分解与图像滤波Gabor特征分解是一种用于图像处理的技术，它通过将图像分解为多个不同方向和尺度的Gabor滤波器响应来提取图像中的特征。
下面是一步一步的思路来解释Gabor特征分解与图像滤波的过程。
第一步是理解Gabor滤波器的原理。
Gabor滤波器是一种基于Gabor函数的滤波器，它在空间域和频率域中都具有良好的局部化性质。
Gabor函数是一个复数函数，它在空间域中表示为一个二维高斯函数与一个余弦函数的乘积，频率域中则表示为一个带通滤波器。
Gabor滤波器可以用于提取图像中的边缘、纹理和角点等特征。
第二步是选择Gabor滤波器的参数。
Gabor滤波器有两个重要的参数，即方向和尺度。
方向参数决定了滤波器的方向性，可以选择不同的角度来检测图像中的不同方向的特征。
尺度参数决定了滤波器的尺度大小，可以选择不同的尺度来检测图像中的不同尺度的特征。
根据具体的应用需求，可以选择合适的参数。
第三步是对图像进行Gabor滤波器响应计算。
对于每个选择的方向和尺度，需要在图像上应用对应的Gabor滤波器来计算滤波器的响应。
这可以通过卷积操作来实现，即将Gabor滤波器与图像进行卷积运算。
卷积运算会产生一个新的图像，其中每个像素表示原始图像在对应方向和尺度上的响应强度。
第四步是对Gabor滤波器响应进行特征提取。
由于计算得到的图像中包含了大量的信息，需要对其进行特征提取来减少数据的维度并保留关键的信息。
常用的特征提取方法包括统计特征、能量特征和频谱特征等。
这些特征可以用于后续的分类、目标检测或图像识别等任务。
第五步是应用Gabor特征分解与图像滤波的结果。
通过Gabor特征分解与图像滤波，我们可以得到图像中不同方向和尺度的特征响应。
这些特征可以用于各种图像处理任务，例如人脸识别、纹理分析和图像检索等。
通过将不同方向和尺度的特征组合起来，可以更全面地描述图像中的特征信息，提高图像处理的性能。
改进的基于Gabor小波的类圆形堆积物图像分割
ｓｏ ｓ ｆｔｅ ｉ ａｅ ｐｏｅｓｄ ｂ ａｏ ａｅｅＴ ｅ ａｔｏ ａ ｎｕ ｅｖ ｅ ｅｍ ｎ ｈ ｎ ｉｅ ｏ ｔ ｌｂｒ ｂ ｎ ｌｓｆ ｍ ｐｎｅ ｏ ｈ ｍ ｇ ｒｃｓｅ Ｇ ｂｒｗ ｖｌｔ ｈ ｕ ｒ ｃｎ ｕ ｓｐｒｉ ｄ ｓｇ ｅｔｔｅ ｅｄ ｓ ｆｓ ｅ ａｓ ｕ ｄｅ ｏ ｙ ． ｈｓ ｓ ｄ ｅ ｒ
预 处 理 方 法 。对 于 Ｇ ｂｒ 波 构造 出 来 的滤 波器 组 ， 出通 过 响 应 离散 度 来 优 选 滤 波 器 ； 于得 到 的 频 谱 响 应 图像 ， 出 了桥 模 糊 ａｏ 小 提 对 提
算法来优 化频谱 响应。通过提 出的 Ｇ ｂ ｒ ａ ｏ 小波滤波器构造、 选择和优化 方法 ， 以无监督 的成 功将 成捆棒材 端面 图像 从任意背景 可
ｐ ｒｏｅ ｏ ｈｉ ｌｒ ｃｎｔ ｃ ｄ ｂ ａ ｏ ａｅｅＦ ｒ ｅ ｒ ｔｅ ａ ｔｏ ｒ ｏｅ Ｑａ —ｕｚ ｌ ｒｈ ｏ ｏｔ ｉ ｈ ｅ ｕｐ ｓ ｆｃｏｃ ｆｔ ｏｓ ｕｔ ｙ Ｇ ｂ ｒｗ ｖｌｔ ｕｔ ｒ ｅ ｈ ｕｈｒ ｐｏ ｓ ｉ ｆｚ ａ ｏｉ ｍ ｔ ｐｉ ｚ ｔｅ ｒ— ｅｉｅ ｒ ｅ ． ｈ ｍｏ ｓ ｐ ｏ ｙ ｇ ｔ ｍ ｅ
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Gabor小波变换的ICA人脸识别算法研究
基于Gabor小波变换的ICA人脸识别算法研究
吴延海;梁文莉
【期刊名称】《微电子学与计算机》
【年(卷),期】2013(30)7
【摘要】为了提高较少训练样本下的人脸识别率,提出了一种改进的人脸识别算法.基于Gabor小波可以良好地表征人脸局部纹理特征这一优点,利用幅值和相位信息相结合来描述图像,通过ICA方法提取独立分量,采用最近邻分类器对该特征进行分类,在ORL人脸数据库上进行了大量实验.结果表明该算法具有很高的识别率,尤其是在训练样本数量较少的情况下,识别率仍保持在90%以上.
【总页数】4页(P141-144)
【关键词】人脸识别;算法研究;Gabor小波;独立成份分析
【作者】吴延海;梁文莉
【作者单位】西安科技大学通信与信息工程学院
【正文语种】中文
【中图分类】TP391
【相关文献】
1.基于离散小波变换和ICA支持向量机的人脸识别 [J], 祝加雄;贺元骅
2.Gabor小波变换与图像分块的人脸识别算法研究 [J], 刁琦;张江楠;古丽米拉·克孜尔别克
3.基于Gabor小波变换的ICA火灾图像纹理识别算法 [J], 余路;卜乐平;颜礼彬
4.基于Gabor的ICA变换和Fisher变换的人脸识别 [J], 杨春晖;邱天爽
5.基于小波变换和ICA的人脸识别方法 [J], 尹克重;龚卫国;李伟红;梁毅雄
因版权原因，仅展示原文概要，查看原文内容请购买。
【江苏省自然科学基金】_纹理分割_期刊发文热词逐年推荐_20140817
科研热词 配准 距离图像 分割 光学图像 三维建模
推荐指数 1 1 1 1 1
2009年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21
科研热词 脉冲耦合神经网络 网格分割 结构编码 纹理特征 模糊聚类 支持向量机 提升小波 彩色图像编码 形状统计 左心室分割 小波能量直方图 多尺度小波分解 图切分 图分割 图像融合 图像分割 区域生长 凸凹性 s滤波器组 mumford-shah模型 gabor滤波
科研热词 高斯分布 非局部正则化 阴影消除 车辆跟踪 肺纹理分割 纹理 特征融合 测量 智能交通系统 总变差 彩色补偿 彩色分割 小波变换 多尺度分析 图像复原 互补编码 三维level-set分割 c-v模型 bregman迭代
推荐指数 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
推荐指数 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2010年 序号 1 2 3 4 5
科研热词 左心室 典型相关分析 taggedmr图像 lm滤波器 asm模型
推荐序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
2013年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14
科研热词 视觉注意模型 蛇模型 纹理特征 纹理分割 算法 滤波器 模糊生长 显著图 方向滤波器 方向流场 支持向量机 指纹分割 基于内容图像检索 图像
推荐指数 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2011年 科研热词 图像分割 高斯扰动 量子粒子群优化算法 连通系数 质心 视觉一致性区域 自适应权重 聚类 置信度传播 纹理 立体匹配 滤波器 复合材料 图像检索 二维直方图 推荐指数 3 1 1 1 1 1 1 1 1 1 1 1 1 1 1
基于GLCM与自适应Gabor滤波器组的纹理图像分割
基于GLCM与自适应Gabor滤波器组的纹理图像分割闵永智;程天栋;殷超;岳彪;肖本郁;马宏锋【摘要】基于Gabor滤波器的纹理图像分割算法存在参数难以选择的问题.为此,提出一种预测图像纹理类型数与Gabor滤波器组参数的分割算法.将图像分割成大小相等的区域块,根据各类纹理特性预测Gabor滤波器组参数,利用各区域块的纹理特征向量预测纹理类型数,并使用预测的滤波器组提取图像纹理特征,通过预测的纹理类型数对图像进行聚类分割.实验结果表明,该算法能以较高的精度与较快的速度分割纹理图像,且受纹理类型数量影响较小.%To solve the problem of parameter selection in the algorithm of texture image segmentation based on Gabor filter,a texture image segmentation algorithm is proposed in this paper,which predicts the number of texture types and the parameters of Gabor filter bank.Firstly,the image is divided into regional blocks.Then,the number of texture types is predicted by the texture feature vector of regional blocks,and the parameters of Gabor filter bank are predicted by the characteristics of various texture features.Finally,texture features of the original image is extracted by using the predicted filter bank,and the image is clustered and segmented based on the predicted number of texture types.Experimental results show that the proposed algorithm can process the segmentation in the texture image with higher precision and faster speed,and is less affected by the number of texture types.【期刊名称】《计算机工程》【年(卷),期】2017(043)001【总页数】7页(P280-286)【关键词】Gabor滤波器;纹理图像;纹理类型;灰度共生矩阵;模糊C均值聚类【作者】闵永智;程天栋;殷超;岳彪;肖本郁;马宏锋【作者单位】兰州交通大学自动化与电气工程学院,兰州730070;兰州交通大学自动化与电气工程学院,兰州730070;兰州交通大学自动化与电气工程学院,兰州730070;兰州交通大学自动化与电气工程学院,兰州730070;兰州交通大学自动化与电气工程学院,兰州730070;兰州工业学院电子信息工程学院,兰州730050【正文语种】中文【中图分类】TP391.4作为图像分割中的一种,纹理图像分割已在医疗诊断、地理统计、地质勘探、视频分析、目标识别以及气象预测等领域有了广泛的应用,其目的是将图像根据其纹理特征与一致性准则进行分割[1]。
非参数邻域统计的无监督纹理分割方法
３对于 Ｖｋ ｔ如果 Ｒ （）＞ （） Ｖ『 ， ． ，， ： ｔ ｔ， ． ≠ｋ
则设置集合 Ｒ （）＝１否则 础 （）＝０接下来利 ｔ ， ｔ ． 用水平集变化进行算法 的迭代
４ 对 于 Ｖｋ ｔ ． ，
２ 高阶统计熵的最小化的优化分割
∈ 并且飓 （）＝１否则 风 （） ． ｔ ， ｔ ＝０将每个区域
通过静态随机 考虑随机变量 （）对于每一个像素 ｔ Ｔ 灰度值集合看作是来 自静态随机域 ， ｔ， ∈ ， 并且有 Ｐ Ｌ＝ｋ Ｉ Ｉ Ｉ则有 ： （ ）＝Ｉ ， ， 它给出了像 素 ｔ 属于哪个 区域 ． 对于一个 好 的分 域估算熵 ．
督的 ． 根据数据的信息内容 自 动调整 内部一些重要参数 ． 关键词： 无监督分割方法； 高阶非参数统计 ； 熵； 水平集； 概率密度 函数
中图分类号 ： ０ ４ ２３ 文献标识码 ： Ａ
图像分割是计算机视觉 中广泛被研究的问题 ． 很多文献给出了大量的基于各种规范的方法 ， 它包 括图像灰度值 、 颜色 、 纹理、 深度和运动 ． 本文描述 了一种分割纹理 图像 的方法 ．
维普资讯
第２卷 第 １ ６ 期
２Ｏ 年 ０ Ｏ８ １月
文鞠
佳ｕ木 学 ｎ ｅ ｉ （ａ ｒ 科 ｃ ｄｉ ） 斯 Ｊ ｍ ｌ ｆｉ ｏ ａｏ Ｊ大 Ｕ学 ｒｔ Ｎ自 ａ Ｓｉ ｅ 版ｏ ｉ ｓｙ（ ｔ 然 ｃ ｎ 学 ｉ ｎ ｖ报 ｕｌ ｅ ： 接
１ ． 产生Ｋ 个平均的随机噪声图像， 对应于每个 ． ２ 利用高斯核卷集每一个 ． ．
∑ ∑盈（）ｇｋｚｔ ｔｏＰ（（ ｌ
因此优化分割就是要找到一个 风 函数的集合 使得 Ｅ达到最小值 ． 为了使解标准化 ， 变化 的方程 受到分割区域 的边缘长度的限制 ． 根据拉格朗 １ ３ 乘