如何从图像上应用gabor滤镜制作特征矢量

Question

我想知道在将gabor滤镜应用于图像以进行特征提取时，特征矢量的构成？我想要特征向量来分类面部表情。我有代码为gabor过滤器，我也获得过滤图像，但我对特征向量感到困惑。

Answer 1

对原始图像和Gabor滤波器执行卷积运算后，频域中的复卷积结果可以基于真实和图像部分分解为幅度和相位图像。相位响应即使对于仅相隔几个像素的空间位置也显着变化，Gabor相位特征被认为是不稳定的并且通常被丢弃。另一方面，幅度响应随空间位置缓慢变化，因此在推导基于Gabor滤波器的特征时是优选的选择。

然后，您将幅度图像重塑为长向量，使用训练数据库中构建的所有向量形成一个大矩阵，应用主成分分析或线性判别分析来减少数据维数，并执行进一步的过程实现。

Answer 2

用Gabor卷积图像后。您最终将得到一个由此产生的热图，其顶点至少与Gabor滤波器相似。这对于低级原始边缘检测很有用。然后，您可以连接合成的卷积像素值以获得特征向量。或者，如果该矢量对于您的需求/限制太长，那么您可以对其进行采样。

您可能想要使用复杂的Gabor函数进行卷积。这个结果信息是功率和相位信息。您可以很简单地将这些连接成一个特征向量。关于lennon310的回答更多，他是正确的 - 通常相位信息被丢弃。那是因为它很难被利用。但是，如果使用正确，那么功率信息就更具有歧视性！ 请参阅Daugman（2004）谁使用相位信息来识别鸢尾花。 http://www.cs.columbia.edu/~belhumeur/courses/biometrics/2010/howirisrecognitionworks.pdf