在人脸识别科学研究和实际应用领域中,大角度姿态是影响人脸识别结果的主要因素之一,成为限制人脸识别技术进步的难点,而姿态的校正归一化是解决该问题的常用手段。首先通过加权的LK(Lucas-Kanade)算法得到侧脸块和对应正脸块的仿射变换参数,基于最大Gabor相似度寻找校正人脸姿态的最优参数。然后,以每一人脸块最优参数得到的平均Gabor相似度作为这一块人脸的识别权重,可以增加大姿态人脸识别的精度和稳健性。在FERET人脸数据库中进行了实验,当水平偏转角度为45°时,准确率达到97.3%,证明本文提出的以最大Gabor相似度作为加权LK算法参数提取的依据是有效的,得到的最优参数具有较好的光照无关性,而将平均Gabor相似度作为识别权重,有助于使算法的应用更加稳健和有效。

针对传统人脸表情识别(FER)方法所提取的表情特征较为单一,同时对于表情分类器的选择存在局限性的问题,提出一种融合局部特征与深度置信网络(DBN)的FER方法。该方法首先从人脸表情图像中切割出眉毛眼睛部位与嘴巴部位这2种包含丰富表情信息的局部表情图像,对其分别提取包含纹理信息的Log-Gabor特征与包含形状信息的二阶梯度方向直方图特征,并将这2种特征相融合,获得更有效的表情特征,然后利用融合后的特征训练DBN模型,并用训练后的DBN模型进行表情识别。利用本文方法在三种表情库上进行实验,识别率可分别达到96.30%、97.39%以及95.73%,表明本文方法可有效提高人脸表情识别率。

叶片识别是植物分类领域中最为重要的技术环节。以往的识别研究以单一的分类器进行分类识别,在识别过程中存在局限性,降低了植物分类的正确率。提出了一种基于D-S证据理论的多分类器融合识别方法。该方法利用多个分类器的识别结果构造D-S分配函数,通过D-S融合输出最终结果,能够在一定程度提高植物叶片的识别正确率。实验结果表明,该方法相对于单分类器可以取得更好的识别效果。

提出了两种基于Gabor特征与局部保护降维的高光谱图像分类算法。该算法利用嵌入主成分分析的Gabor变换对高光谱图像进行特征提取。为了保护相邻特征的局部信息，利用局部Fisher判别分析或局部保护非负矩阵分离对Gabor特征进行降维，并采用高斯混合模型分类器对降维后的特征进行分类。两组高光谱数据的实验结果表明，本文算法不但能充分挖掘高光谱图像的谱间-空间特征，而且有效保护了高光谱图像的局部特征信息与多模型结构。与现有的几种算法相比，本文算法能得到更高的分类精度和Kappa系数，在高斯噪声环境中也具有更强的稳健性。

提出了一种基于视觉显著性的目标检测算法，用于对位于地面上的车辆、飞 机等地面可移动目标进行检测和定位。针对地面可移动目标在场景中较小的特点，设计了一种用于对 目标检测进行引导的基于视觉注意机制的目标显著模型。首先，提取图像目标的颜色特征、强 度特征和方向Gabor特征，并将其结合起来用于计算显著图。然后以超像素为单位对 显著值进行计算，并结合人眼视觉敏感度对不同距离的超像素之间的差异进行加权处理。实 验结果表明，本文算法可以有效地检测并定位出复杂背景中的地面可移动目标。

针对多姿态人脸图像分类存在的困难,提出了一种基于Gabor特征和深度信念网络(DBN)的近邻元分析(NCA)方法,通过提取Gabor多姿态人脸图像的尺度图并将其进行融合,从而对多姿态人脸图像具有较好的区分度,利用融合后的特征图来训练样本并作为深度信念网络的输入图像,结合NCA分析对训练样本进行线性变化以寻找到一个更有利于类别分类的线性子空间,提供足够大的数据集来估算模型参数进而对多姿态人脸图像进行分类。对ORL人脸数据集测试结果表明,多姿态人脸分类数据量为1616和2432之间时的平均分类正确率分别为86.67%、84.00%、90.67%和86.67%,与PCA、LDA和RCA三种算法相比,其分类准确率都得到了提高,实验结果验证了这种针对多姿态人脸图像的分类算法的有效性。

为了克服人脸识别中存在的遮挡等闭塞问题, 本文提出了 Gabor特征结合 Metaface学习的扩展稀疏表示人脸识别算法 (GMFL)。考虑到 Gabor局部特征对光照、表情和姿态等变化的鲁棒性, 该算法首先提取图像的 Gabor特征集; 然后对 Gabor特征集进行 Metaface字典学习得到具有更强稀疏表示能力的新字典, 同时引入 Gabor闭塞字典来编码表示图像中的闭塞部分, 并与新字典联合构造一组过完备字典基; 最后利用过完备字典基求解稀疏系数重构样本, 根据样本与重构样本之间的残差最小原则对人脸图像进行分类识别。在 AR人脸库和 FERET数据库上的实验结果验证了本文算法的可行性和有效性。

针对被检测目标在视角变化和遮挡时较难识别的问题, 提出联合利用 Gabor特征和视角变换时共有的 LIOP特征对目标进行多角度识别的新算法。首先, 用 4个方向、 16个尺度的二维 Gabor滤波器组对输入图像进行滤波, 得到 64组含有方向信息的 Gabor特征响应图, 进而对相邻尺度和相应位置计算局部响应最大值, 得到具有尺度及平移不变的特征向量。其次, 通过几何变换算法获得不同视角下的 LIOP特征向量。然后, 为了降低时间复杂度, 通过主成分分析算法对联合特征降维。最后, 把降维后的特征向量输入支持向量机 (SVM)进行训练学习, 得到检测器模型。为了定量评估算法精度和鲁棒性, 在 Caltech-101和 UIUC car两个标准数据库进行测试, 实验结果表明, 本文在两个标准数据集上的平均识别率分别达到了 92.1%和 95.4%, 能较好检测不同尺度、不同角度的目标。

为了克服三维人脸识别中光照、表情、姿态等变化带来的识别困难，本文提出了基于Gabor特征的核协作表达三维人脸识别算法.协作表达分类算法利用相似人脸数据共同协作表示测试人脸，通过2范数求解稀疏系数，根据重构误差将测试人脸正确归类.该方法通过Gabor滤波器提取三维人脸深度图的40个不同尺度和方向的Gabor特征，然后选择合适核函数将其映射到高维核空间进行非线性降维和特征选取，最后结合协作表达分类算法完成三维人脸的识别.Kinect人脸库和Texas三维人脸库实验表明，该方法能在较少训练样本的情况下取得足够好的识别效果.

Content-based image retrieval has been an active area of research for more than ten years. Gabor schemes and support vector machine (SVM) method have been proven effective in image representation and classification. In this paper, we propose a retrieval scheme based on Gabor filters and SVMs for hepatic computed tomography (CT) images query. In our experiments, a batch of hepatic CT images containing several types of CT findings are used for the retrieval test. Precision comparison between our scheme and existing methods is presented.