高光谱图像分类已被公认为是高光谱数据处理的基础性和挑战性任务,丰富的光谱信息和空间信息为有效描述和识别地表物质提供了契机。卷积神经网络(CNN)中的参数较多,为了避免过拟合问题,需要大量的训练样本。Log-Gabor滤波器可以有效地提取包括边缘和纹理在内的空间信息,降低CNN特征提取的难度。为了充分利用CNN和Log-Gabor滤波器的优点,提出了一种将Log-Gabor滤波器和CNN相结合的高光谱图像分类方法,并利用两个真实的高光谱图像数据集进行了对比实验。实验结果表明,所提方法比传统的支持向量机和CNN方法具有更高的分类精度。

提出了一种基于Log-Gabor滤波的纹理和深度图融合优化的立体图像显著性检测模型,利用平面图像的显著性结合纹理与深度特征检测立体图像的显著性。通过改进的基于图的流行排序算法计算左视点的显著图;提取左视点图像的纹理特征图以及立体图像的深度特征图,利用Log-Gabor滤波器分别计算深度显著图和纹理显著图;再利用线性加权融合方法将上述3个显著图融合为立体(3D)显著图;最后利用中心偏爱和视觉敏锐度增强3D显著图。实验利用公开的眼动跟踪数据库进行测试,结果表明,所提算法具有很好的检测效果,优于文献报道的其他3D显著性模型。

由于手指静脉位于皮下, 手指中的生物组织、手指解剖结构、皮肤结构成像特性等固有原因都给手指静脉成像造成不利影响。针对手指静脉图像中普遍存在的局部血管残缺问题, 首次提出一种指静脉红外图像血管网络修复方法。首先, 利用多尺度Gabor滤波对手指静脉图像进行增强, 减少图像整体退化性模糊; 然后, 对指静脉图像进行二值化并提取血管骨架网, 以便对血管网络缺损位置进行判断; 再将提取的血管骨架端点、二分叉点作为血管骨架网络修复的源点, 根据最小路径原则实现手指静脉图像血管骨架网络修复; 最后, 将Gabor增强方向图作为约束条件, 复原血管网络的管径信息得到修复后的手指静脉二值化图像。实验结果表明: 该方法可以实现手指静脉图像局部血管网络残缺修复, 得到更加完整、稳定的血管网络结构, 利用修复后的图像可以进一步提高手指静脉识别精度。

基于编码的特征表达方法在光照不变性、运算效率、特征表述能力等方面具有较大优势, 成为新型的特征提取方法之一。手指静脉图像采用红外光透射成像, 加之手指内部其他组织的固有影响, 图像质量普遍较低。将Gabor滤波对图像纹理的增强与局部图结构编码的思想相结合, 重点研究一种新的对称邻域交叉图结构, 将局部邻域的纹理变化转换为加权的编码串。通过不同方向特征编码提取每个通道Gabor滤波图像的特征编码图, 充分表达像素点周围邻域的位置信息和梯度信息, 具有良好的旋转不变性。实验结果表明: 提出的手指静脉特征编码新方法比多种常用特征编码方法具有更好的识别性能, 对图像姿态变化更鲁棒。

在分析Gabor 滤波器进行图像纹理特征提取的基础上,提出了利用多尺度和多方向Gabor 滤波系数的高阶矩提取图像特征进行CBIR 的方法,利用滤波系数的方差给出了基于Gabor 滤波组提取的图像纹理特征的平滑度和纹理一致性算法,并采用四个尺度和六个方向的滤波系数的能量、方差、峰态、平滑度和一致性组成了CBIR特征向量。采用Brodatz 纹理库和Corel 图像库中的典型图像进行了对比实验。实验证明,提出的方法比传统的Gabor 滤波进行CBIR 具有更高的查准率。

提出了一种基于伽博(Gabor)滤波的散斑条纹图平滑方法。通过加窗傅里叶运算提取散斑条纹图的条纹频率和条纹梯度方向,并利用它们确定具有频率和方向选择性的Gabor滤波器对散斑条纹图进行Gabor滤波。数值模拟和实验结果表明,该方法在滤除散斑噪声的同时能够有效的保留散斑条纹图的条纹结构,为从单幅散斑条纹图中进一步提取条纹相位场奠定了良好的基础。