摘要：位于深圳南山中心地区的南山表演艺术馆由匈牙利建筑事务所Zoboki-Demete设计,这个大型综合设施场馆集文化与体育设施于一体,有可容纳1400人的多功能音乐厅、350席位的儿童剧院和宽敞的公共空间。场馆设计经过多年精心筹划,设计师特别关注当地客户的需求,确保建筑能够在规划和建筑上融入当地社区。"在中国,以人为本的建筑应基于对人的尊重,而不是西方式的夸张幻象。"项目主设计师gabor Zoboki说。

摘要：针对基于gabor小波的布匹瑕疵检测运算量大,准确率较低等问题,提出了一种新的优化选择算法,即均值归一化方差算法。布匹瑕疵图像通过多通道gabor小波;分别计算各通道滤波图像的均值和方差;计算方差与均值的比值,选择比值最大的通道作为优化选择通道。考虑到布匹瑕疵主要表现为经向与纬向瑕疵,因此基于该算法设计了1×2二维gabor小波布匹瑕疵自动检测系统,降低了运算量,提高了准确率,达到了93%。

摘要：指纹图像增强是指纹识别系统中关键技术之一,基于gabor滤波的方法以其能同时在空间域和频率域的变换而被广泛应用,本文详细介绍了gabor函数、gabor滤波器的图像增强算法、方向图计算、纹线频率计算的步骤及方法,并根据本文设计的增强算法在计算机上编程实现,实验结果表明该算法能较好的去除指纹图像中的噪声,达到增强的效果。

摘要：指纹自动识别系统中图像的处理和匹配算法在系统的设计中起了尤为重要的作用,本文对gabor滤波算法进行了简化,同时引入了HGF(Half gabor Filter)对指纹图像进行了增强处理。实验结果表明经过这种改进的gabor滤波算法提高了图像的处理速度,并很好的保留纹线的关键信息。

摘要：本文就近几年来的值班人员睡意检测问题展开研究,利用二维gabor算子构造基于机器视觉的人眼睡意检测算法,一方面利用了gabor算子自身具有测不准特性,可同时获得时域和频域的最佳特征提取;另一方面,通过对人眼特征的捕获而建立睡意检测阈值;从而完成整个睡意检测过程。论文最后通过实验验证了二维gabor算子构造的睡意检测算法的检测效果和检测效率。

摘要：物联网系统由感知层、传输层、应用层构成。感知层的数据精准度是物联网系统的关键要素。由感知层的众多传感器检测到同一目标的大量多维图像数据需要降维和提取典型特征,用以提高图像的质量。选用gabor小波并设计滤波器的时域和频域以实现高频分量细化。通过gabor小波变换将多维粗糙图像数据经过数据预处理、特征提取、特征匹配最终融合为单维精准数据。

摘要：针对实际应用于"智慧南宁"项目建设时,多重训练样本容易使重构人脸陷入局部最大化以及协方差矩阵分解耗时严重的问题,提出一种基于改进gabor-PCA分析重构的人脸遮挡物清除算法。在训练样本集选择阶段,通过构建5维8方向的gabor直方图信息分类器,从人脸库中选择gabor直方图信息与待重构原始人脸图像在外形轮廓等粗信息更为接近的图像组成训练样本集。同时,在PCA主元分析时,通过SVD分解重构协方差矩阵来降维,从而达到二次减少耗时的目的。实验证明,随着训练样本集的增加,该算法对各种人脸都有很强的适应性,并且得到的清除遮挡物后的人脸图像清晰、无局部最大化现象,与原始图像匹配度高,具备投入实际应用的能力。

摘要：针对宽吻海豚Click信号检测提出了一种在信号时频图中基于gabor滤波器的检测方法。该方法首先对声信号进行分段处理,计算每一段信号的时频图;然后设计gabor滤波器,提取时频图中垂直方向的线条;对gabor滤波处理后的时频图进行自适应阈值处理,提取时频图中能量较强的区域;最后通过连通域分析确定Click信号的位置.仿真合成不同信噪比的测试信号,本文算法在Click信号和背景噪声平均功率比为15 dB的情况下,Click信号的找全率达到了99%,错误率为0%;对实际采集的声信号进行Click信号检测,找全率为100%。本文方法预期为海豚观测和海豚生物学行为的研究提供一定的技术支持。

摘要：使用卷积神经网络预测人脸图像年龄。目前标注的表观年龄公开数据集不足且人数规模小,小样本训练紧凑模型成为年龄预测的研究方向之一。为提高卷积神经网络对图像中年龄特征提取能力和小样本数据迁移能力,并减少对大型图像分类数据集的依赖,提出多特征融合卷积神经网络结构的年龄预测方法。该方法设计多特征融合模块融合两者特征向量获取图像的多层次信息;主干特征提取卷积网络中引入注意力机制模块,增强年龄特征提取能力;设计序列化年龄标签的组合损失函数,使得年龄特征充分拟合年龄标签。在IMDB-WIKI预训练下,该方法在MORPH上取得的平均误差为1.951,ChaLearn15上平均误差为3.128。实验结果表明,该方法的训练和迁移成本低,与许多最新方法相比取得了较高的预测精度。

摘要：对比传统接触式指纹识别,非接触指纹识别在卫生安全性和用户接受度等方面具有更大的优势,但由于采样条件和指纹自身的问题,导致的脊线图存在伪脊线或特征点是其主要挑战。针对以上问题,在将指纹图像进行改进的自适应对比度增强(adaptive contrast enhance, ACE)和通过自定义gabor滤波器对二值化的脊线进行滤波增强的预处理前提下,提出了一种基于指纹结构的脊线和特征点优化(ridge and minutiae optimization, RMO)算法。该算法能够有效地在对伪脊线校正的基础上剔除伪特征点,进而提高特征点信息获取准确性和提升指纹识别效率。为了验证本文所提出方法的有效性,基于一个公共非接触式指纹数据集,设计了两组实验,分别验证上述方法是否能准确、有效的获取指纹特征点信息和该方法对于基于特征点匹配的指纹识别的收益。最终在实验以及结果讨论环节,证明了本文提出的RMO算法能够高效地对指纹特征点信息进行提取,以及该算法能够显著提升指纹识别准确率。