CSDN论坛 > 其他技术论坛 > 机器视觉

如何提高Gabor滤波的效率 [问题点数:100分,结帖人DarthVader]

Bbs1
本版专家分:0
结帖率 96.55%
CSDN今日推荐
Bbs1
本版专家分:0
Bbs1
本版专家分:0
Bbs1
本版专家分:0
Bbs1
本版专家分:0
Bbs1
本版专家分:0
Blank
红花 2004年5月 专题开发/技术/项目大版内专家分月排行榜第一
2004年4月 专题开发/技术/项目大版内专家分月排行榜第一
2004年3月 专题开发/技术/项目大版内专家分月排行榜第一
Blank
黄花 2004年7月 专题开发/技术/项目大版内专家分月排行榜第二
Blank
蓝花 2005年2月 专题开发/技术/项目大版内专家分月排行榜第三
2004年6月 专题开发/技术/项目大版内专家分月排行榜第三
2004年2月 专题开发/技术/项目大版内专家分月排行榜第三
Bbs1
本版专家分:0
Bbs1
本版专家分:0
匿名用户不能发表回复!登录|注册
其他相关推荐
Gabor滤波器的代码实现
实现方法一 转自:http://blog.csdn.net/yao_zhuang/article/details/2532279 下载cvgabor.cpp和cvgabor.h到你的C/C++工程目录下 注:改进过的cvgabor类,链接为:http://download.csdn.net/source/490114 特别注意:使用该类需要opencv库的支持,如何配置环境参见
2D-Gabor 滤波器对图像纹理的增强
Gabor 变换由 D.Gabor 于 1946 年提出, 当时是为解决傅氏变换局部频率变化的不足, 而在其基础上增加窗函数, 实现有效获得信号的局部信息, 因此 Gabor变换是一种基于窗口的短时傅氏变换。 由于所加窗函数为高斯窗, 在频域上具有不变性, 因此 Gabor 变换能在时域与频域同时获得局部信号的变化。 在进行图像处理时, 纹理特征往往反应在局部局域的变化, 因此将 Ga
OpenCV实现Gabor滤波
图1 不同中心震荡频率下在Gabor函数 代码:根据http://blog.csdn.net/watkinsong/article/details/7876361实现#include #include #include #include #include using namespace cv; using namespace std; const double PI = 3.1
Gabor滤波 卷积
本文转载于: http://zhenyulu.cnblogs.com/articles/325718.html 一、二维卷积运算 Gabor变换的本质实际上还是对二维图像求卷积。因此二维卷积运算的效率就直接决定了Gabor变换的效率。在这里我先说说二维卷积运算以及如何通过二维傅立叶变换提高卷积运算效率。在下一步分内容中我们将此应用到Gabor变换上,抽取笔迹纹理的特征。
纹理分割(一)Gabor滤波器学习
第一个项目根据公司那边提供的学习资料,需要用到Gabor滤波器对图像进行处理,公司那边关于项目的说法比较商业化,叫X-Ray Image Auto Judging System,之前找了很久论文都没有思路,用这个英文查找论文,也是不对路,这让我在前期浪费不少时间,后来查阅大量论文之后,确定关于目前的项目的学术说法应该是“轮胎X射线图缺陷检测”,英文是“X-Ray Defect Detection”
Gabor滤波 + 多尺度问题
Gabor函数 Gabor变换属于加窗傅立叶变换,Gabor函数可以在频域不同尺度、不同方向上提取相关的特征。另外Gabor函数与人眼的生物作用相仿,所以经常用作纹理识别上,并取得了较好的效果。二维Gabor函数可以表示为: 其中: v的取值决定了Gabor滤波的波长,u的取值表示Gabor核函数的方向,K表示总的方向数。参数决定了高斯窗口的大小,这里取。程序中取4个频率(v=0,
Gabor滤波器与特征提取
一、Gabor滤波器 Gabor滤波器,最主要使用优势体现在对物体纹理特征的提取上。二维Gabor基函数能够很好地描述哺乳动物初级视觉系统中一对简单视觉神经元的感受野特性。随着小波变换和神经生理学的发展,Gabor变换逐渐演变成二维Gabor小波的形式。Gabor滤波器对于图像的亮度和对比度变化以及人脸姿态变化具有较强的健壮性,并且它表达的是对人脸识别最为有用的局部特征,故在计算机视觉及纹理分析中
OpenCV实现Gabor滤波(2)
对上一版的Gabor滤波代码进行了修改: 1) jiang
Gabor滤波小结的OpenCV实现
转载请注明:http://www.cppblog.com/polly-yang/ 一.房屋检测小结        一开始,直接用LSD(Line Segment Detector)检测VHR(Very High Resolution)遥感卫星图像中的房屋,效果很屎。效果很屎的主要原因是因为存在各种干扰,概括下来,主要有:       1. 道路。道路干扰性强主要是因为道路呈现各种
LOG-Gabor滤波器MATLAB代码,自己整理的。
LOG-Gabor滤波器MATLAB代码,自己整理的。可以直接拿去卷积图像提取纹理,不过参数需要根据需要自己调节。
关闭