Gabor特徵提取

我正在做一個關於Gabor特徵提取的項目。我對Gabor功能的含義非常困惑。我製作了一個具有不同方向和頻率的特徵矩陣。 Gabor特徵或像Gabor濾波器組在不同方向和頻率下對圖像進行卷積後所獲得的Gabor特徵或像統計特徵，幾何特徵，空間域特徵，不變性，重複性等特徵是指Gabor特徵。Gabor特徵提取

來源

2013-12-16 user3106892

Gabor過濾器與mamalian視覺皮層細胞非常相似，所以它們從不同的方向和不同的尺度提取特徵。

我最近也做了一些基於Gabor濾波器的特徵提取。
它最初看起來很難，但很容易實現。

爲了讓您更容易理解我會給你一個演練。

假設你有一個像

test Image

的形象和你計算Gabor特徵在5個尺度和8個方向（我想你已經這樣做），你會得到過濾器像

filters

現在，您需要將每個濾鏡與圖像進行卷積運算，以獲得同一圖像的40（8 * 5 = 40）不同表示（response matrices），其中每個圖像爲您提供了一個特徵向量。

所以迴旋之後

convolved images

現在你需要轉換的響應矩陣到特徵向量。
所以，特徵向量可以包括：局部能量，平均幅度，相位Amlitude或方向，其局部上具有最大能量

我曾在當地的能量，平均幅度，得到了足夠好的結果。

局部能量=從響應矩陣

平均振幅=從響應矩陣中的每一矩陣值的絕對值的總和

總結每個矩陣值的平方值

因此最後你會得到兩個矩陣，每個矩陣將是[1x40]。
您可以將一個矩陣附加到另一個矩陣以創建一個圖像的[1x80]特徵矩陣，從而爲n個圖像創建一個[nx80]矢量用於進一步的訓練目的。

如何以往爲了提高效率，你可以使用Log Gabor濾波器（see this）

而對於關於特徵提取與Gabor濾波器看到這個paper

來源

2013-12-16 12:01:57 adil

非常感謝您的詳細信息，請幫幫我。 – user3106892

非常感謝您的幫助。但是，我想知道如何實際解釋這些功能。另外，當我通過對濾波後的圖像的每個像素進行平方計算我的能量，並將所得到的值相加時，我將得到每次255的答案。請給出詳細信息，說明您是如何做到的。提前感謝。 – user3106892

可能是你做錯了什麼....你是否像預期的那樣獲得了卷積反應（正如我在第三張圖片中展示的那樣）。 http://stackoverflow.com/questions/9003147/how-to-apply-gabor-wavelets-to-an-image這裏有一些代碼，以便你可以弄清楚你做錯了什麼 – adil

回答

相關問題