基于Gabor變換的特征分析及其應用.pdf

1、時頻分析是信號處理中的重要手段之一。Gabor變換，又稱短時或加窗Fourier變換，克服了傳統(tǒng)Fourier變換在頻域內無任何時域分辨力的缺陷，體現(xiàn)了信號的聯(lián)合時頻分析特性。在Heisenberg測不準原理下，它被證明具有最優(yōu)的聯(lián)合時頻分辨率。同時，通過對人的感知系統(tǒng)的生理學特性研究表明，二維Gabor基函數(shù)能夠很好的描述哺乳動物初級視覺系統(tǒng)中大多數(shù)簡單視覺神經(jīng)元的感受野特性。本文的目的是通過對圖像信號進行基于Gabor變換的時頻分析

2、，開展模式檢測方面的相關技術研究。本文工作的貢獻體現(xiàn)在：1)從時頻分析角度出發(fā)，對Gabor變換的時頻特性進行了分析。對其在紋理分割、圖像檢索、目標檢測、目標識別等方面的典型應用展開了論述。 2)在邊緣檢測方面，對基于奇Gabor濾波器的邊緣響應輸出進行了分析，提出了一個基于Rayleigh分布的非線性自適應閾值選擇方法。在此基礎上，通過對奇Gabor變換進行多尺度特性分析，提出了一個奇Gabor變換域內基于尺度積的邊緣檢測算法

3、。實驗表明，該算法同常用的邊緣檢測算子相比，具有更強的抗噪性能及更好的視覺檢測效果。 3)利用圓形Gabor變換的旋轉不變性，提出了一個基于加權的部分Hausdorff距離的魯棒目標匹配方法。在加有位置信息的圓形Gabor特征空間，利用加權的部分Hausdorff距離實現(xiàn)了目標的粗匹配。此后，通過結合圓形Gabor特征與目標的形狀信息，實現(xiàn)了目標的精匹配。實驗表明所提出的算法對于噪聲、遮擋、旋轉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題，提出了一個基于假設、驗證的兩步目標匹配方法。首先把目標匹配過程分解為多個局部優(yōu)化過程，借以減小目標匹配中的搜索路徑；然后利用基于K-L散度的均值漂移技術實現(xiàn)局部優(yōu)化，從而實現(xiàn)假設集(局部優(yōu)化的收斂點)的快速產(chǎn)生。在局部尋優(yōu)過程中，提出了一個系數(shù)修正方法，從而在理論上確保迭代尋優(yōu)過程的收斂。 5)以室外復雜背景下的靜態(tài)側視車輛為研究目標，提出了一個有效的基于多層序慣框架結構的車輛檢測算法。在這