Gabor特征提取

我正在做一个关于Gabor特征提取的项目。我对Gabor功能的含义非常困惑。我制作了一个具有不同方向和频率的特征矩阵。 Gabor特征或像Gabor滤波器组在不同方向和频率下对图像进行卷积后所获得的Gabor特征或像统计特征，几何特征，空间域特征，不变性，重复性等特征是指Gabor特征。Gabor特征提取

来源

2013-12-16 user3106892

Gabor过滤器与mamalian视觉皮层细胞非常相似，所以它们从不同的方向和不同的尺度提取特征。

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。

为了让您更容易理解我会给你一个演练。

假设你有一个像

test Image

的形象和你计算Gabor特征在5个尺度和8个方向（我想你已经这样做），你会得到过滤器像

filters

现在，您需要将每个滤镜与图像进行卷积运算，以获得同一图像的40（8 * 5 = 40）不同表示（response matrices），其中每个图像为您提供了一个特征向量。

所以回旋之后

convolved images

现在你需要转换的响应矩阵到特征向量。
所以，特征向量可以包括：局部能量，平均幅度，相位Amlitude或方向，其局部上具有最大能量

我曾在当地的能量，平均幅度，得到了足够好的结果。

局部能量=从响应矩阵

平均振幅=从响应矩阵中的每一矩阵值的绝对值的总和

总结每个矩阵值的平方值

因此最后你会得到两个矩阵，每个矩阵将是[1x40]。
您可以将一个矩阵附加到另一个矩阵以创建一个图像的[1x80]特征矩阵，从而为n个图像创建一个[nx80]矢量用于进一步的训练目的。

如何以往为了提高效率，你可以使用Log Gabor滤波器（see this）

而对于关于特征提取与Gabor滤波器看到这个paper

来源

2013-12-16 12:01:57 adil

非常感谢您的详细信息，请帮帮我。 – user3106892

非常感谢您的帮助。但是，我想知道如何实际解释这些功能。另外，当我通过对滤波后的图像的每个像素进行平方计算我的能量，并将所得到的值相加时，我将得到每次255的答案。请给出详细信息，说明您是如何做到的。提前感谢。 – user3106892

可能是你做错了什么....你是否像预期的那样获得了卷积反应（正如我在第三张图片中展示的那样）。 http://stackoverflow.com/questions/9003147/how-to-apply-gabor-wavelets-to-an-image这里有一些代码，以便你可以弄清楚你做错了什么 – adil

回答

相关问题