基于Gabor變換的特征分析及其應(yīng)用.pdf

1、時(shí)頻分析是信號(hào)處理中的重要手段之一。Gabor變換，又稱短時(shí)或加窗Fourier變換，克服了傳統(tǒng)Fourier變換在頻域內(nèi)無(wú)任何時(shí)域分辨力的缺陷，體現(xiàn)了信號(hào)的聯(lián)合時(shí)頻分析特性。在Heisenberg測(cè)不準(zhǔn)原理下，它被證明具有最優(yōu)的聯(lián)合時(shí)頻分辨率。同時(shí)，通過(guò)對(duì)人的感知系統(tǒng)的生理學(xué)特性研究表明，二維Gabor基函數(shù)能夠很好的描述哺乳動(dòng)物初級(jí)視覺(jué)系統(tǒng)中大多數(shù)簡(jiǎn)單視覺(jué)神經(jīng)元的感受野特性。本文的目的是通過(guò)對(duì)圖像信號(hào)進(jìn)行基于Gabor變換的時(shí)頻分析

2、，開(kāi)展模式檢測(cè)方面的相關(guān)技術(shù)研究。本文工作的貢獻(xiàn)體現(xiàn)在：1)從時(shí)頻分析角度出發(fā)，對(duì)Gabor變換的時(shí)頻特性進(jìn)行了分析。對(duì)其在紋理分割、圖像檢索、目標(biāo)檢測(cè)、目標(biāo)識(shí)別等方面的典型應(yīng)用展開(kāi)了論述。 2)在邊緣檢測(cè)方面，對(duì)基于奇Gabor濾波器的邊緣響應(yīng)輸出進(jìn)行了分析，提出了一個(gè)基于Rayleigh分布的非線性自適應(yīng)閾值選擇方法。在此基礎(chǔ)上，通過(guò)對(duì)奇Gabor變換進(jìn)行多尺度特性分析，提出了一個(gè)奇Gabor變換域內(nèi)基于尺度積的邊緣檢測(cè)算法

3、。實(shí)驗(yàn)表明，該算法同常用的邊緣檢測(cè)算子相比，具有更強(qiáng)的抗噪性能及更好的視覺(jué)檢測(cè)效果。 3)利用圓形Gabor變換的旋轉(zhuǎn)不變性，提出了一個(gè)基于加權(quán)的部分Hausdorff距離的魯棒目標(biāo)匹配方法。在加有位置信息的圓形Gabor特征空間，利用加權(quán)的部分Hausdorff距離實(shí)現(xiàn)了目標(biāo)的粗匹配。此后，通過(guò)結(jié)合圓形Gabor特征與目標(biāo)的形狀信息，實(shí)現(xiàn)了目標(biāo)的精匹配。實(shí)驗(yàn)表明所提出的算法對(duì)于噪聲、遮擋、旋轉(zhuǎn)及一定的尺度變化具有魯棒性。

4、 4)為解決上述匹配算法的效率問(wèn)題，提出了一個(gè)基于假設(shè)、驗(yàn)證的兩步目標(biāo)匹配方法。首先把目標(biāo)匹配過(guò)程分解為多個(gè)局部?jī)?yōu)化過(guò)程，借以減小目標(biāo)匹配中的搜索路徑；然后利用基于K-L散度的均值漂移技術(shù)實(shí)現(xiàn)局部?jī)?yōu)化，從而實(shí)現(xiàn)假設(shè)集(局部?jī)?yōu)化的收斂點(diǎn))的快速產(chǎn)生。在局部尋優(yōu)過(guò)程中，提出了一個(gè)系數(shù)修正方法，從而在理論上確保迭代尋優(yōu)過(guò)程的收斂。 5)以室外復(fù)雜背景下的靜態(tài)側(cè)視車輛為研究目標(biāo)，提出了一個(gè)有效的基于多層序慣框架結(jié)構(gòu)的車輛檢測(cè)算法。在這