如何從圖像上應用gabor濾鏡製作特徵矢量

Question

我想知道在將gabor濾鏡應用於圖像以進行特徵提取時，特徵矢量的構成？我想要特徵向量來分類面部表情。我有代碼爲gabor過濾器，我也獲得過濾圖像，但我對特徵向量感到困惑。

Answer 1

對原始圖像和Gabor濾波器執行卷積運算後，頻域中的復卷積結果可以基於真實和圖像部分分解爲幅度和相位圖像。相位響應即使對於僅相隔幾個像素的空間位置也顯着變化，Gabor相位特徵被認爲是不穩定的並且通常被丟棄。另一方面，幅度響應隨空間位置緩慢變化，因此在推導基於Gabor濾波器的特徵時是優選的選擇。

然後，您將幅度圖像重塑爲長向量，使用訓練數據庫中構建的所有向量形成一個大矩陣，應用主成分分析或線性判別分析來減少數據維數，並執行進一步的過程實現。

Answer 2

用Gabor卷積圖像後。您最終將得到一個由此產生的熱圖，其頂點至少與Gabor濾波器相似。這對於低級原始邊緣檢測很有用。然後，您可以連接合成的卷積像素值以獲得特徵向量。或者，如果該矢量對於您的需求/限制太長，那麼您可以對其進行採樣。

您可能想要使用複雜的Gabor函數進行卷積。這個結果信息是功率和相位信息。您可以很簡單地將這些連接成一個特徵向量。關於lennon310的回答更多，他是正確的 - 通常相位信息被丟棄。那是因爲它很難被利用。但是，如果使用正確，那麼功率信息就更具有歧視性！ 請參閱Daugman（2004）誰使用相位信息來識別鳶尾花。 http://www.cs.columbia.edu/~belhumeur/courses/biometrics/2010/howirisrecognitionworks.pdf