Gabor特征提取

Question

19

我正在进行有关Gabor特征提取的项目。我对Gabor特征的含义感到非常困惑。我创建了一个具有不同方向和频率的特征矩阵。那是Gabor特征还是像统计特征、几何特征、空间域特征、不变性、重复性等在使用不同方向和频率的Gabor滤波器组卷积图像后得到的计算出来的特征指Gabor特征。

- user3106892

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- xor · Accepted Answer

Gabor滤波器与哺乳动物视觉皮层细胞非常相似，因此它们可以从不同的方向和不同的尺度提取特征。

我最近也进行了一些基于Gabor滤波器的特征提取。
一开始看起来很难，但实现起来很容易。

为了让您更容易理解，我将给您一个步骤。

假设您有一张像这样的图像

test Image

并且您在5个尺度和8个方向上计算Gabor特征（我想您已经做过了），则会得到如下滤波器：

filters

现在，您需要将每个滤波器与该图像卷积，以获取同一图像的40（8*5=40）个不同表示（响应矩阵），其中每个图像都会给出一个特征向量。

因此，在卷积后

convolved images

现在，您需要将这些响应矩阵转换为特征向量。
因此，特征向量可能包括： 局部能量、平均振幅、具有最大能量的方向或局部的方向

我使用了局部能量和平均振幅，并得到了足够好的结果。

局部能量 = 从响应矩阵中每个矩阵值的平方值相加

平均振幅= 响应矩阵中每个矩阵值的绝对值之和

因此，在最后，您将获得两个大小为[1x40]的矩阵。
您可以将其中一个矩阵附加到另一个矩阵以创建一个[1x80]的特征矩阵，用于一个图像，并因此创建一个[nx80]向量，用于进一步的训练目的。

然而，为了提高效率，您可以使用对数 Gabor 滤波器。（参见此处）

有关使用 Gabor 滤波器进行特征提取的更多信息，请参见此论文