您所在位置： &
 &  & 
对字体识别中Gabor滤波器参数的实验研究.pdf 5页
本文档一共被下载：
次 ,您可全文免费在线阅读后下载本文档。
下载提示
1.本站不保证该用户上传的文档完整性，不预览、不比对内容而直接下载产生的反悔问题本站不予受理。
2.该文档所得收入(下载+内容+预览三)归上传者、原创者。
3.登录后可充值，立即自动返金币，充值渠道很便利
需要金币：150 &&
对字体识别中Gabor滤波器参数的实验研究.pdf
你可能关注的文档：
··········
··········
第29卷第4期增刊
V01．29No．4
ChineseJoumalofScientificInstrument
对字体识别中Gabor滤波器参数的实验研究奉
(南京大学信息管理系多媒体信息处理研究所南京210093)
摘要Gabor函数滤波器能提取图像的纹理特征，在字体识别及版面分析中已有应用研究，但是Gabor滤波器参数优化设
计问题始终是研究及应用的难点，本文用实验研究了基于Gabor滤波器的字体识别中参数选择问题。针对输入的不同汉字图
像块，叙述了噪声对滤波的影响；并结合楷体，黑体，宋体，隶书四种字体的图像的Gabor滤波图，叙述了图像大小、方
向、方差值的设置、径向中心频率对滤波结果的影响，本文的讨论有益于提高中文字体识别中Gabor滤波器的性能。
关键词字体识别Gabor滤波器纹理特征参数优化
Researchon
ParametersofGaborFilterinChineseFont
Experimental
Recognition
(DepartmentofInformationManagement,InstituteofMultimediaInfoProcessingNanjingUnn,ersiO,NanjingChina)
functionare
AbstractFiltersbasedtwodimensionalGabor often
totheextractionoftexturefeature
ofcharacter
layoutimages recognition fonts．But,SOoptimizationparameters
beenacrucial
toresearchersand
ofGaborfilterinChinesefont
designers．Experimentalparameters
ofnoiseOil
effectiSdiscussedfor
first different
recognitioninvestigatedpaper．Infiuencefiltering
Chineseblocks．Then，someeffectsforChinesefont
andLisbuwhichare
experimental
Kaiti，Heiti，Songti
incommonusealeobtainedandexhibitedontheconditionofvaried
imagesizes，filteringangle．
variation andcentral
正在加载中，请稍后...君，已阅读到文档的结尾了呢~~
GABOR 滤波器参数设置
扫扫二维码，随身浏览文档
手机或平板扫扫即可继续访问
GABOR 滤波器参数设置
举报该文档为侵权文档。
举报该文档含有违规或不良信息。
反馈该文档无法正常浏览。
举报该文档为重复文档。
推荐理由：
将文档分享至：
分享完整地址
文档地址：
粘贴到BBS或博客
flash地址：
支持嵌入FLASH地址的网站使用
html代码：
&embed src='/DocinViewer-4.swf' width='100%' height='600' type=application/x-shockwave-flash ALLOWFULLSCREEN='true' ALLOWSCRIPTACCESS='always'&&/embed&
450px*300px480px*400px650px*490px
支持嵌入HTML代码的网站使用
您的内容已经提交成功
您所提交的内容需要审核后才能发布，请您等待！
3秒自动关闭窗口基于自适应Gabor滤波的虹膜特征提取与识别方法研究--《吉林大学》2016年硕士论文
基于自适应Gabor滤波的虹膜特征提取与识别方法研究
【摘要】：现在人类社会处于高速发展的阶段,信息化渗透至人们生活的每个领域,随之产生了很多信息安全方面的问题,社会急切需要一种行之有效、用之安全的身份鉴定方法。生物识别技术是一种依靠人类自身生物特征识别身份的手段,用以限定用户访问、操作权限,解决当前信息化社会所面临的信息安全问题。与其它生物特征相比虹膜以其唯一性、防伪性、非侵犯性等特点越来越得到安全领域学者们的重视。目前虹膜识别的产品已经应用在门禁系统、金融领域、机场安检等一些需要高度安全的场所,但是由于其实际应用环境的多样性和复杂性,仍然存在许多地方需要完善。本文以提高虹膜识别实际应用性能为目标,主要针对虹膜识别过程后期的特征提取与特征识别部分进行了研究。为了实现虹膜识别系统在复杂的条件下能够准确识别,在特征提取方面采用了基于混沌粒子群算法寻优Gabor参数,实现自适应Gabor滤波器提取相位和方向两种虹膜纹理特征的过程。在特征识别方面,把提取到的虹膜相位特征和方向特征匹配结果作为SVR的输入数据,利用SVR模型训练虹膜模板特征并对待测样本进行识别。本文主要工作包括以下几个方面:(1)针对采集过程中虹膜图像不可避免的受眼睑、睫毛遮挡等造成干扰的问题。本文对采集到的原始虹膜图像进行预处理,截取虹膜纹理特征突出的部分作为感兴趣区域,提高了虹膜识别系统输入图像的质量。(2)在特征提取中,本文用实验证明了不同Gabor滤波参数对虹膜识别结果的影响。故为了提高虹膜识别的准确率,本文提出利用混沌粒子群(Chaotic Particle Swarm Optimization,CPSO)优化算法对Gabor滤波器的参数进行寻优,并为防止算法过早收敛于局部极值在每次迭代过程中加入了混沌粒子。混沌粒子群算法以类内、类间区分度值作为算法的适应度函数,不断迭代更新Gabor参数和最高适应度函数值,直至寻找到最优值或达到迭代次数上限为止。(3)本文采用SVR分类器综合Gabor滤波器提取到的相位和方向两种局部特征的匹配结果,以“0”和“1”标识区分内类和内间两个子集。通过SVR训练得到虹膜特征的分类模型,并以此模型对测试样本进行识别。实验证明提取两种虹膜特征可以减少由单一特征引起的不稳定性,并且进一步提高了虹膜识别的准确性。本文的实验数据采用中科院公开图像库CASIA-V4-Interval、CASIA-V4-Lamp和实验室自主研发的虹膜采集设备采集的JLU-V3.0虹膜图像库,并以类内、类间区分度评价虹膜识别方法的性能。综上所述,本文应用混沌粒子群算法寻优Gabor参数,给出了一种基于自适应Gabor滤波器的虹膜识别方法,并通过SVR模型融合两个虹膜特征的匹配结果,最终通过对比实验验证了算法的有效性。
【关键词】：
【学位授予单位】：吉林大学【学位级别】：硕士【学位授予年份】：2016【分类号】：TP391.41【目录】：
摘要4-6Abstract6-11第1章 绪论11-22 1.1 研究背景和意义11 1.2 虹膜识别国内外发展情况11-13 1.3 虹膜识别系统概述13-20
1.3.1 虹膜生理结构13
1.3.2 虹膜图像库13-16
1.3.3 虹膜识别的评价指标16-19
1.3.4 虹膜识别的工作模式19-20 1.4 论文的研究内容和组织结构20-21
1.4.1 主要工作20
1.4.2 组织结构20-21 1.5 本章小结21-22第2章 虹膜图像采集与预处理22-30 2.1 虹膜图像采集设备22-23
2.1.1 已有采集设备23
2.1.2 自主研发的虹膜采集设备23 2.2 虹膜图像预处理过程23-29
2.2.1 虹膜图像质量评价23-24
2.2.2 虹膜图像有效区域定位24-26
2.2.3 虹膜纹理图像归一化26-27
2.2.4 虹膜图像增强算法27-28
2.2.5 截取虹膜图像ROI28-29 2.3 本章小结29-30第3章 自适应Gabor滤波器的虹膜特征提取30-44 3.1 Gabor滤波器30-31 3.2 基于Gabor的虹膜特征提取和编码31-33
3.2.1 Gabor滤波核函数31-32
3.2.2 生成Gabor局部相位特征32
3.2.3 生成Gabor局部方向特征32-33 3.3 基于CPSO的Gabor滤波器参数优化33-43
3.3.1 Gabor滤波器参数优化必要性分析33-35
3.3.2 粒子群和二进制粒子群寻优的基本原理35-37
3.3.3 粒子群算法中引进混沌粒子37
3.3.4 混沌粒子群寻优Gabor参数过程37-38
3.3.5 实验与分析38-43 3.4 本章小结43-44第4章 基于SVR虹膜特征匹配44-52 4.1 SVM和SVR算法原理44-47
4.1.1 SVM算法原理44-46
4.1.2 SVR函数及其核函数46-47 4.2 SVR融合多虹膜特征47-48 4.3 实验与分析48-51 4.4 本章小结51-52第5章 总结与展望52-54 5.1 全文总结52-53 5.2 研究展望53-54参考文献54-58作者简介及在学期间所取得的科研成果58-59致谢59
欢迎：、、)
支持CAJ、PDF文件格式
【相似文献】
中国期刊全文数据库
李粉兰;曹霄辉;左坤隆;徐可欣;;[J];光电工程;2006年09期
李岚;;[J];纺织高校基础科学学报;2008年01期
郭永明;水鹏朗;;[J];计算机工程与应用;2008年28期
柳叶;;[J];西南大学学报(自然科学版);2009年08期
袁伟;李晓东;;[J];中国科学技术大学学报;2012年07期
薛健,袁保宗;[J];信号处理;1996年02期
薛健，袁保宗;[J];电子学报;1997年04期
许春晔,郭宝兰;[J];河北大学学报(自然科学版);2001年02期
田学东,郭宝兰;[J];计算机工程与应用;2002年20期
马丽红,张宇,陈晓棠;[J];微电子学与计算机;2004年01期
中国重要会议论文全文数据库
朱学芳;邹文豪;王栾井;;[A];第六届全国信息获取与处理学术会议论文集（1）[C];2008年
Kurban UAbdiryim RAlim A;[A];少数民族青年自然语言处理技术研究与进展——第三届全国少数民族青年自然语言信息处理、第二届全国多语言知识库建设联合学术研讨会论文集[C];2010年
;[A];2006北京地区高校研究生学术交流会——通信与信息技术会议论文集（下）[C];2006年
马世伟;吴从毛;袁康;;[A];中国系统仿真学会第五次全国会员代表大会暨2006年全国学术年会论文集[C];2006年
唐荣生;张宏志;王宽全;;[A];黑龙江省计算机学会2007年学术交流年会论文集[C];2007年
;[A];Proceedings of the 2011 Chinese Control and Decision Conference（CCDC）[C];2011年
何苗;张宏志;王宽全;;[A];黑龙江省计算机学会2007年学术交流年会论文集[C];2007年
LV Xue-Ping T;[A];第25届中国控制与决策会议论文集[C];2013年
朱学芳;邹文豪;朱鹏;;[A];第十五届全国图象图形学学术会议论文集[C];2010年
郭浩;欧宗瑛;;[A];首届信息获取与处理学术会议论文集[C];2003年
中国重要报纸全文数据库
王丽辉;[N];中国服饰报;2006年
中国博士学位论文全文数据库
霍光;[D];吉林大学;2016年
臧丽丽;[D];南开大学;2010年
余磊;[D];重庆大学;2009年
林晨;[D];安徽大学;2015年
何飞;[D];吉林大学;2015年
董学志;[D];中国科学院研究生院（长春光学精密机械与物理研究所）;2003年
李云峰;[D];大连理工大学;2006年
靳明;[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年
傅一平;[D];浙江大学;2004年
赵英男;[D];南京理工大学;2004年
中国硕士学位论文全文数据库
伍文婷;[D];华东师范大学;2007年
袁书萍;[D];安徽大学;2011年
向维辉;[D];昆明理工大学;2015年
张雁腾;[D];昆明理工大学;2015年
陈玉玲;[D];江西理工大学;2015年
高威;[D];哈尔滨工业大学;2015年
王文佳;[D];电子科技大学;2015年
李孚煜;[D];南昌大学;2015年
马逢乐;[D];北京化工大学;2014年
许伟;[D];新疆大学;2015年
&快捷付款方式
&订购知网充值卡
400-819-9993
《中国学术期刊（光盘版）》电子杂志社有限公司
同方知网数字出版技术股份有限公司
地址：北京清华大学 84-48信箱 大众知识服务
出版物经营许可证 新出发京批字第直0595号
订购热线：400-819-82499
服务热线：010--
在线咨询：
传真：010-
京公网安备75号君，已阅读到文档的结尾了呢~~
基于生物视觉感知机理的轮廓检测算法研究论文论文,感知器算法,感知器算法 matlab,感知哈希算法,感知器学习算法,轮廓度算法,多层感知器学习算法,遗传算法论文,论文查重 算法,遗传算法应用论文
扫扫二维码，随身浏览文档
手机或平板扫扫即可继续访问
基于生物视觉感知机理的轮廓检测算法研究论文论文
举报该文档为侵权文档。
举报该文档含有违规或不良信息。
反馈该文档无法正常浏览。
举报该文档为重复文档。
推荐理由：
将文档分享至：
分享完整地址
文档地址：
粘贴到BBS或博客
flash地址：
支持嵌入FLASH地址的网站使用
html代码：
&embed src='/DocinViewer-4.swf' width='100%' height='600' type=application/x-shockwave-flash ALLOWFULLSCREEN='true' ALLOWSCRIPTACCESS='always'&&/embed&
450px*300px480px*400px650px*490px
支持嵌入HTML代码的网站使用
您的内容已经提交成功
您所提交的内容需要审核后才能发布，请您等待！
3秒自动关闭窗口Gabor滤波器
Gabor是一个用于边缘提取的线性滤波器，其频率和方向表达与人类视觉类似，能够提供良好的方向选择和尺度选择特性，而且对于光照变化不敏感，因此十分适合纹理分析。
图1是Gabor滤波器和脊椎动物视觉皮层感受野响应的比较
vc8=" src="/uploadfile/Collfiles/02.jpg" title="\" />
图1. Gabor与脊椎动物视觉皮层感受野响应的比较
图1中第一行是脊椎动物的视觉响应，第二行是Gabor滤波器的响应，可以看到，二者相差极小。
基于以上特性，Gabor滤波器被广泛应用于人脸识别的预处理。
Gabor理论及公式
我们知道，傅里叶变换可以将信号从时域转换到频域，但无法获得频谱中不同频率之间的先后关系。
然而实际应用中我们更多的关心信号局部范围内的的特性，Gabor和小波变换突破了傅里叶变换的局限性。
Gabor变换是D.Gabor于1946年提出的，为了提取傅里叶变换的局部信息，引入了时间局部化的窗函数（把信号划分成许多小的时间间隔，用傅里叶变换分析每一个间隔）。因此Gabor变换又称为窗口傅里叶变换（短时傅里叶变换）。
二维Gabor滤波器
在空间域，一个二维的Gabor滤波器是一个正弦平面波和高斯核函数的乘积。前者是调谐函数，后者是窗口函数。
g(x,y;&,&,&,&,&)=e?x&2+&2y&22&2ei(2&x&&+&)
可以分为实部与虚部的形式
???????greal(x,y;&,&,&,&,&)=e?x&2+&2y&22&2cos(2&x&&+&)gimag(x,y;&,&,&,&,&)=e?x&2+&2y&22&2sin(2&x&&+&)
其中{x&=xcos&+ysin&y&=?xsin&+ycos&
表1. 二维Gabor滤波器参数解释
直接影响滤波器的滤波尺度，通常大于等于2
滤波器的方向
调谐函数的相位偏移，取值-180到180
空间纵横比
决定滤波器的形状，取1时为圆形，通常取0.5
高斯滤波器的方差，通常取2&
本节参考自、、
图2. 取不同参数的Gabor滤波器
图2对比了不同参数的Gabor滤波器，从第1到第5行&取3,6,9,12,15，从第1到第8列&取0,&8,&4,3&8,&2,5&8,3&4,7&8，其他参数保持不变：&=0,&=2&,&=0.5。
图4使用图2的滤波器对图3中两幅人脸做卷积
图3. FERET中同一人在不同光照不同角度的人脸
图4.1. 使用图2滤波器对图3左卷积结果
图4.2. 使用图2滤波器对图3右卷积结果
可以看到，不同方向不同尺度的Gabor滤波器可以提取人脸中不同特征
此外还可以看到，Gabor滤波结果对不同光照也能保持较稳定结果
// gaborfilter.cpp
#include &gaborfilter.h&
int CGabor::getFilterSize(float theta, float sigma, float gamma)
float sigma_x = sigma*
float sigma_y = sigma_x/(gamma*gamma);
float sqrt_sigma_y = sqrt(sigma_y);
float c_theta = cos(theta);
float s_theta = sin(theta);
// calculate filter size (3sigma)
int nstds = 3;
int xmax = max(abs(nstds*sigma*c_theta), abs(nstds*sqrt_sigma_y*s_theta));
int ymax = max(abs(nstds*sigma*s_theta), abs(nstds*sqrt_sigma_y*c_theta));
int half_filter_size = xmax&ymax?xmax:
int filter_size = 2*half_filter_size+1;
return filter_
void CGabor::getGaborFilter(float lambda, float theta, float fhi, float sigma, float gamma,
Mat& realGabor, Mat& imagGabor, Mat& mag)
if(abs(lambda-0.0f) & 1e-6)
lambda = 1.0f;
float sigma_x = sigma*
float sigma_y = sigma_x/(gamma*gamma);
float sqrt_sigma_y = sqrt(sigma_y);
float c_theta = cos(theta);
float s_theta = sin(theta);
int filter_size = getFilterSize(theta, sigma, gamma);
int half_filter_size = (filter_size-1)/2;
realGabor = Mat(filter_size, filter_size, CV_32F);
imagGabor = Mat(filter_size, filter_size, CV_32F);
= Mat(filter_size, filter_size, CV_32F);
for(int i=0; i(i);
float* p_imag = imagGabor.ptr(i);
float* p_mag
= mag.ptr(i);
int y = i - half_filter_
for(int j=0; j(i);
for(int j=0; j(m);
int img_i = i + m - half_filter_
img_i = img_i&0 ? 0 : img_i;
img_i = img_i&=image.rows ? (image.rows-1) : img_i;
uchar* p_img = image.ptr(img_i);
for(int n=0; n=image.cols ? (image.cols-1) : img_j;
sum_value += ((float)p_img[img_j] * p_gab[n]);
p_fil[j] = sum_
return filtered_
Mat CGabor::normalizer(Mat src)
CV_Assert(!src.empty());
float min_ = FLT_MAX;
float max_ = FLT_MIN;
for(int i=0; i(i);
for(int j=0; j max_)
max_ = p_src[j];
if(p_src[j] & min_)
min_ = p_src[j];
Mat src_show(src.size(), CV_8UC1);
float scale = max_ - min_;
for(int i=0; i(i);
uchar* p_src_show = src_show.ptr(i);
for(int j=0; j 0.01)
p_src_show[j] = (uchar)((p_src[j]-min_)*255/scale);
p_src_show[j] = 255;
return src_
\\ main.cpp
#include &stdafx.h&
#include &gaborfilter.h&
void main()
Mat img[7];
string path = &C:\\Users\\sq\\Desktop\\humanface\\FaceDataSet\\FERET_80_80\\FERET-001\\&;
for(int i=0; i&7; i++)
char num[7];
sprintf(num, &0%d.tif&, i+1);
string wholepath =
wholepath = path +
Mat tmp = imread(wholepath, 0);
resize(tmp, img[i], Size(200, 200)); // 为了确保滤波器尺寸小于图片大小
// calc gabor
float lambda = 5;
float theta = 0;
float fhi = 0;
float sigma = 2*CV_PI;
float gamma = 0.5;
Mat realGabor[40], imagGabor, magG
int size_ = INT_MAX;
for(int i=0; i&8; i++)
theta = i*CV_PI/8;
int _size_ = m_gabor.getFilterSize(theta, sigma, gamma);
if(_size_ & size_)
size_ = _size_;
Mat showit((size_+3)*5-3, (size_+3)*8-3, CV_8UC1, Scalar::all(255));
for(int i=0; i&8; i++)
theta = i*CV_PI/8;
for(int j=0; j&5; j++)
lambda = (j+1)*3;
m_gabor.getGaborFilter(lambda, theta, fhi, sigma, gamma, realGabor[j*8+i], imagGabor, magGabor);
Mat saveimg = m_gabor.normalizer(realGabor[j*8+i]);
Mat saveimg_roi(saveimg, Rect(saveimg.rows/2-size_/2, saveimg.rows/2-size_/2, size_, size_));
int start_row = j*(size_+3);
int start_col = i*(size_+3);
for(int m=0; m(m);
uchar* p_show = showit.ptr(start_row + m);
for(int n=0; n(ro);
uchar* p_face = face.ptr(start_row + ro);
for(int co=0; co
