基于吸收光谱的波长调制技术在气体检测方面已被广泛应用。波长调制技术测量得到的二次谐波信号会受到背景噪声及光学条纹等的影响，导致浓度测量下限较高。为了降低噪声的干扰，提高系统的信噪比，本文选取2.25 μm处的吸收谱线对NH₃进行理论分析和实验测量，采用小波变换和Gabor变换对二次谐波信号进行降噪处理。结果表明：Gabor变换和小波变换都能有效地去除二次谐波信号中多种噪声的影响，同时保留信号的真实性；对于主要含有白噪声和光学条纹的谐波信号，小波变换的降噪能力要优于Gabor变换，小波变换降噪后信号的信噪比明显提高，且曲线更加平滑；经过降噪后，低浓度NH₃的测量下限由0.36 mg/m³降低至34.45×10^-3 mg/m³。

本文提出一种Gabor和灰度共生矩阵相结合的特征来检测叶片泵中叶片装配质量的方法。首先构建叶片图像数据集，用5种尺度的和4种方向的Gabor滤波器对图像滤波，根据滤波后的图像计算得到幅值特征图，然后提取幅值特征图的灰度共生矩阵特征，最后融合归一化各个幅值特征图提取到的特征，利用主成分分析法降维，并用这些特征向量训练支持向量机（SVM）分类器，实现对叶片装配质量的评估。将本文提出的混合特征与LBP特征、灰度共生矩阵分别进行了比较得到的分类效果约提高了约10%。基于Gabor和灰度共生矩阵混合特征的叶片装配质量检测准确率提升到了93%。实验结果表明Gabor特征和灰度共生矩阵结合后能够很好从多尺度、多方向上提取图像的纹理特征,并应用于图像分类取得了良好的效果，在一些图像识别上有很宽广的应用前景。

可调谐二极管激光吸收光谱(TDLAS)技术结合波长调制光谱(WMS)技术是用于痕量气体检测的重要技术手段。 通过锁相放大器进行谐波检测, 对解调得到的二次谐波信号进行分析可获得气体吸收的信息。 但由于二次谐波信号受到噪声的影响, 降低了检测系统的精度和稳定性。 为了提高TDLAS检测系统的信噪比(SNR), 提出了一种基于Gabor变换对二次谐波信号进行数字滤波降噪的方法。 以CH4在1 653.72 nm处的吸收光谱为例, 通过仿真和实验对该降噪方法的有效性进行了验证。 仿真结果表明, 通过Gabor变换对信噪比为0dB的二次谐波信号进行处理后, 系统的信噪比可提高15.73 dB。 实验结果表明, 基于Gabor变换进行降噪处理后, CH4浓度在0.001%～0.02%区间内与二次谐波峰值的线性相关系数r达到了0.996 59, 且系统的检测精度和稳定性明显提高。

多尺度多方向的Gabor变换能提取人脸在空域和频域的局部信息,表达并刻画出人脸的大量特征,但在特征描述上会产生大量冗余,环形对称Gabor变换同样具有小波的共性并且能降低冗余量,在方向上具有严格的不变性。中心对称局部二值模式(CS-LBP)能提取出人脸中细节的纹理特征,把上述两种算法相结合,利用设定Gabor能量来获取最适合的滤波窗口,并对人脸特征进行提取和识别,最后用实验结果验证了环形Gabor和CS-LBP算法在人脸识别中具有很好的应用。

为了克服光照、表情变化等因素对人脸识别的影响，本文提出了一种自适应的Gabor图像特征抽取和权重选择的人脸识别方法.该方法首先把每幅人脸图像经过Gabor小波变换后得到的40个不同尺度和方向下的图像都看作是独立的样本，再把不同人脸中的同一尺度和方向的变换结果进行特征重组，得到40个独立地新特征矩阵.为了增强对光照、表情变化的鲁棒性，每一新特征矩阵的识别贡献被本文所提出的自适应权重方法计算得到.其次，对每一新特征矩阵采用离散余弦变化进行降维，并采用了鉴别力量分析方法来选取最有鉴别力的离散余弦变换系数作为特征向量.最后，抽取线性鉴别分析特征进行识别.大量的实验证明了本文所提方法的有效性.

为了对复杂港口背景的红外图像进行有效、快速和准确的分割，根据分形理论的思想，在对红 外图像进行分形处理的基础上，先运用最大类间方差法(Otsu)对红外原始背景图像进行粗分割，然后运用Gabor 变换和Gabor多通道滤波器提取港口背景轮廓，最后使用中值滤波滤除噪声，得到最终的港口背景轮廓图像。通过对实际港 口背景的红外图像进行分割实验，验证了所提方法的可行性和有效性。

为了解决基于边缘检测和Hough 变换传统方法不能正确检测出低对比度条件下的海天线问题，提出了先采用多帧能量积累方法提高红外图像对比度，然后运用Gabor 变换和Gabor 多通道滤波器滤除图像干扰部分和凸显图像中的海天线部分，最后使用边缘检测和Hough 变换实现海天线的提取。通过对实际海面低对比度条件下红外图像进行海天线提取实验，验证了所提方法的可行性和有效性。

针对新生儿的疼痛与非疼痛面部表情识别, 提出将Gabor变换和支持向量机(SVM)相结合的分类识别方法。对归一化后的大小为112 pixel×92 pixel的新生儿面部图像进行二维Gabor小波变换, 提取出 412160维Gabor特征; 针对Gabor 特征向量维数高、冗余大的特点, 采用Adaboost算法作为特征选择工具, 去除冗余的Gabor特征, 从412160 维特征中选取出900维Gabor特征; 对选取出的Gabor特征用SVM进行疼痛表情的分类识别。该方法综合运用Gabor 特征对于面部表情的良好表征能力、AdaBoost 算法的特征选择能力以及SVM 在处理少样本、高维数问题中的优势。对510幅新生儿的表情图像进行测试的结果表明, 疼痛与非疼痛表情的分类识别率达到85.29%, 疼痛与安静表情的分类识别率达到94.24%, 疼痛与哭表情的分类识别率达到78.24%。

针对图像中常见的旋转问题提出一种旋转不变纹理特征进行两级图像检索的方法.粗检中,通过坐标变换把图像的旋转转换为行移,并提取近似行移不变的小波特征,结合粗比较算法对整个图像库进行粗检.然后对通过粗检的图像进行Gabor变换,提取旋转不变精检索特征,并使用Canberra距离进行相似性度量.通过对旋转图像库的测试表明,该方法不仅加快了运算速度,且当参数选择适当时,在相同特征条件下,检索率比直接使用精检索方法检索时还提高了1.625%.