mafei863分享 http://blog.sciencenet.cn/u/mafei863 道法自然,道即合理

博文

Gabor滤波器原理的初步理解

已有 20468 次阅读 2015-6-15 17:36 |个人分类:基础科学|系统分类:科研笔记

   近来对特征提取方法进行学习,课题组利用到了Gabor滤波的方法进行特征的提取工作,看了很多相关的文献,不甚了解整个的运算过程;检索到了相关代码后,查阅了相关文献和网页资料后,结合代码进行断点调试,发现了一些端倪,对Gabor滤波的运算原理有了一个初步的认识,在此立贴,也算是给后来者以一个简要的整体轮廓认识,另一方面也算是抛砖引玉请高手批评指正,以期共同进步。

Gabor的历史由来不再赘述,其运算过程中涉及到几个基本的术语:方向,尺度,卷积,模板等。

方向:主要是为了考虑样本的旋转的可能性,增加对旋转不变性的鲁棒性,与SIFT算法有相似之处;

尺度:主要考虑到图像样本的细节特征的捕捉,对细小特征的提取保留,以及对稍大变化的敏感性做出不同的取舍,与SIFT的不同尺度也有相似之处;

卷积:这个概念如果不能很好的理解汉语的意义,估计会一头雾水,实际上,这个词汇非常形象切合运算过程,就是把两个矩阵相乘积运算后的值替换原来的待运算的像素点的值,有点类似于生活中把一个面饼(平面、二维矩阵)卷绕起来形成一个点心(运算后为一个值了)(也有点类似于包混沌,本来是一个面皮卷绕形成了一个点;呵呵,不知道说清楚没有)。

模板:对图像中的每一个像素点均需要进行运算的一个蒙板或者说是矩阵。


Gabor与样本图像的运算过程:

原始人脸样本:

1、首先生成指定m个尺度和n个方向的Gabor模板,共计m*n个模板;这些模板与样本图像无关。


2、然后利用每一个模板与样本图像做一次卷积运算,得到对应的m*n个卷积图像;不同尺度不同方向的Gabor模板对同一幅图像生成 了不同视图的数据,有些类似于三生万物的意思,或者说观察的角度不同产生了不同的新的特征数据。


3、每一个卷积后的样本图像矩阵便是Gabor特征值。






https://blog.sciencenet.cn/blog-538909-898217.html

上一篇:C# WinForm编程常见技巧汇总-视频播放长度获取
下一篇:计算机博士与数学
收藏 IP: 27.17.29.*| 热度|

0

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2024-3-29 13:15

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部