基于Gabor滤波器的图像目标识别方法.pdf

《基于Gabor滤波器的图像目标识别方法.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、2006年8月北京航空航天大学学报August2006第32卷第8期JournaIofBeijingUniversityofAeronauticsandAstronauticsVoI.32No.8基于Gabor滤波器的图像目标识别方法曾姝彦张广军李秀智（北京航空航天大学仪器科学与光电工程学院，北京100083）摘要：为了给机器人视觉导航提供有效信息，提出一种基于图像匹配的目标识别方法.对CCD采集的目标图像，由Gabor变换生成的二维Gabor滤波器有着优良的滤波器性能，不需要对图像进行分割，能适应一定的旋转、尺度、光照的变化，通过多个频率和角度的Gabor算子与图像的卷积

2、，获取图像全局信息的特征描述.分类方法采用统计学习理论基础上发展起来的一种新的机器学习方法———支持向量机（SVM，SupportVectorMachines），它可解决模型选择、过学习、维数灾难等问题.通过支持向量机进行多维特征向量的分类.该方法可达到较高的识别率，达到实时处理的要求，可以在人脸识别、机器人视觉定位等领域得到应用.关键词：目标识别；多通道Gabor滤波器；支持向量机；视觉定位中图分类号：TP391文献标识码：A文章编号：1001-5965（2006）08-0954-04lmagetargetdistinguishbasedonGaborfiltersZen

3、gShuyanZhangGuangjunLiXiuzhi（SchooIofInstrumentScienceandOpto-eIectronicsEngineering，BeijingUniversityofAeronauticsandAstronautics，Beijing100083，China）Abstract：InordertoprovideusefuIinformationformobiIerobot，thetargetdistinguishapproachbasedonimagematchingneedstorecognizeimagepattern.2DGab

4、orfiIterswerecreatedbyGabortransform，whichhadexceIIentperformanceanddidn'tneedtosegmenteimagescatchedbythesingIeCCDcamera.GaborfiI-terswererobusttothevariousorientationsandiIIuminationoftargetimages；TheyaIsosatisfiedthereaItimeimageprocessing.ThemuIti-channeIGaborfiIters，withmuIti-freguenc

5、iesandmuIti-angIes，wereusedtocon-voIutewithimages.ThecorrespondingfiIterresuItsincIudedentireIyinformationofimages，fromwhichthefeaturevectorsoftheimagescouIdbeextracted.ThemethodofcIassifyingthesefeaturevectorswasSVM（supportvectormachine）.SVMwasanewmethodofmachineIearningdeveIopedbystatist

6、icaIIearningtheo-ry.ItresoIvedprobIemssuchasmodeIseIect，overIearning，non-Iinear，highdimension，etc.Experimentre-suItsindicatethattheaIgorithmcanreachuptohighrecognizerate.TheaIgorithmcanbeappIiedinfieIdssuchasfacerecognition，robotvisionIocaIizationandsoon.Keywords：imagetargetdistinguish；muI

7、ti-channeIGaborfiIter；SVM（supportvectormachines）；vi-sionIocaIization在机器人移动过程中，利用安装在机器人上匹配算法则是对图像进行某种特征的抽取，根据的摄像头摄取目标场景的图像，与已知场景图像特征的描述选择分类方法进行匹配运算.用来衡进行匹配，识别出机器人所处的位置，以达到视觉量匹配算法的主要性能指标是正确识别的概率和［1-2］定位的目的.目前的图像匹配算法包括基于算法的耗时，目前大多数算法存在的问题是速度［3］灰度的匹配技术和基于特征的匹配技术.基