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。

该MATLAB代码允许仿真和重建用平面波记录的在线（行内，Gabor）全息图。 引用此代码/算法或其任何部分： 塔蒂亚娜（Tatiana Latychevskaia）和汉斯·沃纳·芬克（Hans-Werner Fink） “用于模拟和重建数字嵌入式全息图的实用算法”， 应用光学54，2424-2434（2015）

此 MATLAB 代码允许模拟和重建用球面波记录的内联（内联）全息图，以近轴近似此代码/算法或其任何部分的引用： Tatiana Latychevskaia 和 Hans-Werner Fink “用于模拟和重建数字在线全息图的实用算法”， 应用程序光学 54, 2424 - 2434 (2015)

为了使计算机能更好的识别人脸表情，对基于Gabor小波变换的人脸表情识别方法进行了研究。首先对包含表情区域的静态灰度图像进行预处理，包括对确定的人脸表情区域进行尺寸和灰度归一化，然后利用二维Gabor小波变换提取脸部表情特征，使用快速PCA方法对提取的Gabor小波特征初步降维。再在低维的空间中，利用Fisher准则提取那些有利于分类的特征，最后用SVM分类器进行分类。实验结果表明，上述提出的方法比传统的方法识别速度更快，能达到实时性的要求，并且具有很好的鲁棒性，识别率高。

Peter Kovesi的基于LOG-Gabor滤波器的相位对称算法C++代码，自己整理的。可以直接拿去卷积图像提取特征，不过参数需要根据需要自己调节。 环境：OpenCV 3.4.9 ；VS2019

人脸图像特征提取matlab代码用于面部识别的不同Gabor滤波器性能测试，版本2012 使用的MATLAB版本：R2009b，R2010a 使用的人脸数据库 FERET-100和1000个科目[fa和fb设置] 印度人脸数据库-40个科目 内部-60门科目 资料夹结构： Craft.io流程 第1步：创建过滤器并保存在“ filters”文件夹中 第2步：使用适当的所选Gabor滤波器对图库/探针图像进行卷积 步骤3：从卷积图像中创建画廊/探针图像的lgbp 第5步：创建lgbp图像的本地直方图序列，并将其存储在“ lh”文件夹中，格式为（图库和探针为.mat） 步骤6：在人脸图像之间执行适当的距离测量（直方图相交/欧式/城市障碍物），最高分是匹配的图像 步骤7：将结果存储在“结果”文件夹中 库功能： 功能名称 描述 LogGaborWavelet 对数Gabor小波函数 create_gcc_filter 创建Gabor Orient = concat，scale = concat过滤器 create_gcs_filter 创建Gabor Orient = concat，scale

人脸识别算法的MATLAB仿真 net.trainFcn = 'trainscg'; net.trainParam.lr = 0.4; net.trainParam.epochs = 400; net.trainParam.show = 10; net.trainParam.goal = 1e-3; %~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ T{1,1} = cell2mat(IMGDB(2,:)); P{1,1} = cell2mat(IMGDB(3,:)); net = train(net,P,T); save net net NET = net;

gabor滤波，人脸识别。很好的代码，很好

信号的gabor变换matlab代码最佳集中Gabor 局部时频分量的最优集中 Gabor 变换 这包含一组 matlab 代码，用于创建 gabor 窗口，以最佳方式将给定信号集中在时频 (TF) 平面中。 该窗口适用于信号的选定部分（TF 分量）。 此窗口提供了组件的稀疏表示。 此代码是以下论文中描述的方法的实现： Ricaud, B., Stempfel, G., Torrésani, B., Wiesmeyr, C., Lachambre, H., & Onchis, D. (2014)。 局部时频分量的最优集中 Gabor 变换。 计算数学进展，40(3)，683-702。 . 和 Feichtinger, HG、Onchis-Moaca, D.、Ricaud, B.、Torrésani, B. 和 Wiesmeyr, C.（2012 年 8 月）。 一种优化模糊函数浓度的方法。 在信号处理会议 (EUSIPCO) 中，2012 年第 20 届欧洲会议论文集（第 804-808 页）。 IEEE。 要运行代码，需要 Matlab 工具箱 LTFAT。

针对通常利用的匹配滤波法对低信噪比雷达LFM（linear frequency-modulated）进行信号检测和估计的不足，提出一种联合Gabor-Radon变换方法。通过计算雷达回波的Gabor时频变换，得到2D含强噪声和弱直线LFM的时频分布图；然后，利用Radon变换能对直线和边缘进行快速检测、抗噪能力强的特点，对时频2D图像进行Radon变换，检测出微弱LFM信号；再设置合适门限可对时频分布图去噪，进行Gabor逆变换可以得到去噪的时域波形。仿真结果证明了此方法能在低信噪比下有效地检测出LFM信