Gabor特征提取

Question

我正在做一个关于Gabor特征提取的项目.我很困惑Gabor功能的含义.我制作了一个具有不同方向和频率的特征矩阵.这是Gabor特征还是诸如统计特征,几何特征,空间域特征,不变性,可重复性等特征的计算,其在将图像与具有不同方向和频率的Gabor滤波器组卷积之后获得的图像是指Gabor特征.

Answer 1

Gabor滤波器与mamalian视觉皮层细胞非常相似,因此它们从不同方向和不同尺度提取特征.

我最近也做了一些基于Gabor滤波器的特征提取.
它最初看起来很难,但很容易实现.

为了让您轻松理解,我会给您一个演练.

假设你有一个像这样的图像

你计算5个刻度和8个方向的gabor特征(我想你已经完成了)你会得到像这样的过滤器

现在,您需要将每个滤镜与图像进行卷积,以获得response matrices相同图像的40(8*5 = 40)个不同的表示(),其中每个图像为您提供一个特征向量.

卷积后

现在您需要将这些响应矩阵转换为特征向量.
因此,特征向量可以包括:局部能量,平均幅度,相位或方位,其局部具有最大能量

我研究了局部能量和平均振幅,得到了足够好的结果.

局部能量=从响应矩阵中求和每个矩阵值的平方值

平均幅度=来自响应矩阵的每个矩阵值的绝对值之和

因此,最后你会得到两个矩阵[1x40].
您可以将一个矩阵附加到另一个[1x80]矩阵,以便为一个图像创建一个特征矩阵,从而[nx80]为n个图像创建一个矢量,以便进一步训练.

然而,为了提高效率,您可以使用Log Gabor过滤器.(见此)

有关使用Gabor滤波器提取特征的更多信息,请参阅本文