高光谱图像分类已被公认为是高光谱数据处理的基础性和挑战性任务,丰富的光谱信息和空间信息为有效描述和识别地表物质提供了契机。卷积神经网络(CNN)中的参数较多,为了避免过拟合问题,需要大量的训练样本。Log-Gabor滤波器可以有效地提取包括边缘和纹理在内的空间信息,降低CNN特征提取的难度。为了充分利用CNN和Log-Gabor滤波器的优点,提出了一种将Log-Gabor滤波器和CNN相结合的高光谱图像分类方法,并利用两个真实的高光谱图像数据集进行了对比实验。实验结果表明,所提方法比传统的支持向量机和CNN方法具有更高的分类精度。

针对异源图像提出一种基于多尺度密集结构特征的快速匹配算法。算法首先利用 Gabor滤波器逐像素提取图像中的结构响应，再根据主方向响应对多尺度结构特征融合，然后使用快速傅里叶 变换在频域计算各特征分量图像之间的卷积，最后将卷积生成的系数矩阵求和计算出图像之间的相似性并选择相似性最大位置作为匹配结果输出。本文算法能有效适应异源图像间的非线性灰度变化 和噪声干扰问题。测试使用可见光、红外、雷达图像组成的异源图像数据集对本文算法和现有算法进行测试比较，结果表明：本文算法的平均误匹配率最低，并且计算速度有明显优势。

提出了一种基于Log-Gabor滤波的纹理和深度图融合优化的立体图像显著性检测模型,利用平面图像的显著性结合纹理与深度特征检测立体图像的显著性。通过改进的基于图的流行排序算法计算左视点的显著图;提取左视点图像的纹理特征图以及立体图像的深度特征图,利用Log-Gabor滤波器分别计算深度显著图和纹理显著图;再利用线性加权融合方法将上述3个显著图融合为立体(3D)显著图;最后利用中心偏爱和视觉敏锐度增强3D显著图。实验利用公开的眼动跟踪数据库进行测试,结果表明,所提算法具有很好的检测效果,优于文献报道的其他3D显著性模型。

针对抛光曲面工件表面缺陷检测的问题,提出了一种基于反射云纹图像的缺陷检测方法。该方法利用云纹光经抛光曲面反射产生的差异,通过检测云纹图像的变化进行缺陷的检测与定位。分析了抛光曲面的光照模型,使用SHEN-Castan算法抑制云纹边缘阶梯效应,通过Gabor变换与最大熵分割进行缺陷提取,剔除伪缺陷后实现缺陷的检测与定位。实验结果与统计表明,设计的方法能检测出抛光曲面表面上具有形变特征的缺陷,对不同类型的表面缺陷均有92%以上的检出率。利用所提的检测方法,可以自主设置系统的检测分辨率,对不同类型的缺陷具有较高的适应性,极大地提高了系统的可拓展性、普适性与实用性,较好地解决了高反射抛光曲面工件表面形变缺陷检测的问题,具有较高的理论价值与经济价值。

针对人工手动提取视网膜血管工作量大, 主观性强等问题, 本文提出了一种将区域生长思想、脉冲耦合神经网络(PCNN)、高斯滤波器组及 Gabor滤波器相结合的视网膜血管分割方法。首先将二维高斯滤波器组、二维 Gabor匹配滤波器相结合, 对视网膜血管区域进行形态匹配增强, 提升血管与背景的对比度。然后将带有快速连接机制的 PCNN与区域生长思想相结合, 每次从未处理的像素点中选取亮度最大的作为种子, 使用自适应的连接系数及停止条件, 实现眼底图像中血管的自动分割。整个算法在 DRIVE眼底数据库上的实验结果显示, 平均准确度、灵敏度、特异性分别达到 93.96%、78.64%、95.64%, 分割结果中血管断点少, 微小血管清晰, 具有较好的应用前景。

针对在全景相机获取到的高交通信息量的复杂场景下传统Canny算子很难实时且鲁棒地提取车道线特征的问题, 提出一种基于Gabor滤波器的最优方向区间快速检测算法。首先利用同心圆环近似展开法将全景图像展开成矩形图像, 然后对展开图像进行不同相位角的Gabor滤波处理, 快速得到使车道线边缘清晰度达到最高的方向区间。在Canny算子检测边缘过程中, 只对处于该区间内的边缘点进行非极大值抑制及进一步处理, 实现车道线的快速检测。最后算法在实拍的500帧视频样本上进行测试, 识别率优于94.2%。结果表明所提算法不易受复杂环境影响, 可用性强, 有效地提高了车道偏离预警系统的实时性与稳定性。

针对牛仔布人工检测慢，误检、漏检率高的问题，提出一种采用最优Gabor滤波器的牛仔布缺陷自动检测算法。首先，对正常的牛仔布图像构造任意的二维Gabor滤波器，同时，采用改进的差分进化算法优化Gabor滤波器参数，得到与正常牛仔布纹理最匹配的参数；然后，根据最优参数构造Gabor滤波器，对待检测图像进行卷积处理，得到特征图像，再结合阈值操作得到初步检测结果；最后，使用矩形框与局部大津法分割出精确的缺陷区域。实验结果表明：该算法能够实现牛仔布的缺陷检测，具有学习时间短、稳健性强和准确率高的特点。

针对SAR图像目标的精确分割问题,利用非下采样轮廓波变换(NSCT)和Gabor滤波器分别提取图像特征,然后采用脉冲耦合神经网络(PCNN)对目标区域进行增强,提出了一种分割算法.分别对图像进行NSCT分解和Gabor滤波,对NSCT域的高、低频子带系数构造一个特征图,对Gabor滤波的不同尺度构造对应的特征图,对所获取的各个特征图用PCNN进行目标增强,最后对增强的特征图进行合理合并与分割.利用MSTAR SAR数据库中各种干扰强度下的图像进行了实验,结果表明,相比于模糊C均值、马尔可夫随机场等常见的分割算法,所提出的算法分割结果更为准确,同时受噪声干扰更小.

根据高光谱遥感图像的特点及二维Gabor滤波器纹理分割的原理, 提出了一种基于三维Gabor滤波器的高光谱遥感图像分类方法。三维Gabor滤波器能够对高光谱遥感图像所有波段同时进行滤波, 将大量的图像信息抽取为少量的不同尺寸、 方向和波谱的响应, 极大减少了高光谱遥感图像纹理信息提取的计算量。利用不同方向和尺寸的三维Gabor滤波器对祁连山黑河流域上游地区的Hyperion影像全波段进行滤波处理, 获取26个纹理响应特征, 并分析不同纹理对不同地物的区分度。利用自动子空间划分的波段指数(BI)进行波段选择, 选取不同的波段组合进行试验, 寻找最佳降维幅度。按照纹理对不同地物响应的区分度逐一加入三维Gabor纹理特征, 利用三维Gabor纹理辅助光谱信息, 运用支持向量机(SVM)的方法进行监督分类。结果表明, 基于三维Gabor纹理和自动子空间BI波段选择的SVM分类方法能够在有效降低光谱维数的同时, 提高高光谱遥感图像分类的精度和效率。

研究了基于Gabor滤波器组的人民币图像识别方法。针对纸币图像特点，设计了适合于其特征提取的Gabor滤波器组参数，得到了纸币图像多尺度多方向上的纹理特征，然后对纹理图像进行网格划分，并计算网格中像素灰度均值行列投影和,最后采用网格投影特征模板匹配法进行纸币识别。实验表明该法抗干扰能力较强，能够较大提高旧币和污染纸币识别率，并且耗时不长。