论文部分内容阅读
时频分析是信号处理中的重要手段之一。Gabor变换，又称短时或加窗Fourier变换，克服了传统Fourier变换在频域内无任何时域分辨力的缺陷，体现了信号的联合时频分析特性。在Heisenberg测不准原理下，它被证明具有最优的联合时频分辨率。同时，通过对人的感知系统的生理学特性研究表明，二维Gabor基函数能够很好的描述哺乳动物初级视觉系统中大多数简单视觉神经元的感受野特性。本文的目的是通过对图像信号进行基于Gabor变换的时频分析，开展模式检测方面的相关技术研究。本文工作的贡献体现在：1)从时频分析角度出发，对Gabor变换的时频特性进行了分析。对其在纹理分割、图像检索、目标检测、目标识别等方面的典型应用展开了论述。
2)在边缘检测方面，对基于奇Gabor滤波器的边缘响应输出进行了分析，提出了一个基于Rayleigh分布的非线性自适应阈值选择方法。在此基础上，通过对奇Gabor变换进行多尺度特性分析，提出了一个奇Gabor变换域内基于尺度积的边缘检测算法。实验表明，该算法同常用的边缘检测算子相比，具有更强的抗噪性能及更好的视觉检测效果。
3)利用圆形Gabor变换的旋转不变性，提出了一个基于加权的部分Hausdorff距离的鲁棒目标匹配方法。在加有位置信息的圆形Gabor特征空间，利用加权的部分Hausdorff距离实现了目标的粗匹配。此后，通过结合圆形Gabor特征与目标的形状信息，实现了目标的精匹配。实验表明所提出的算法对于噪声、遮挡、旋转及一定的尺度变化具有鲁棒性。
4)为解决上述匹配算法的效率问题，提出了一个基于假设、验证的两步目标匹配方法。首先把目标匹配过程分解为多个局部优化过程，借以减小目标匹配中的搜索路径；然后利用基于K-L散度的均值漂移技术实现局部优化，从而实现假设集(局部优化的收敛点)的快速产生。在局部寻优过程中，提出了一个系数修正方法，从而在理论上确保迭代寻优过程的收敛。
5)以室外复杂背景下的静态侧视车辆为研究目标，提出了一个有效的基于多层序惯框架结构的车辆检测算法。在这个框架下，我们采用了多线索融合的目标表示方法。利用计算复杂度较低的两个底层线索，实现对大量的非目标窗口的快速排除。在项层线索中为实现目标的有效表达我们引入了反映目标全局结构属性的奇Gabor矩及基于偶Gabor滤波器的局部纹理属性。为提高分类器的效率，提出了一个基于逼近解的分层SVM算法。实验表明，同Agrarwal的算法相比，本文算法具有更高的检测效率及检测性能。