对Gabor在图像中应用的几点理解~！

        最近在做关于gabor小波分析在人脸识别中的应用，用不同尺度和方向的参数形成了40幅不同的gabor小波，矩阵中有实部，也有虚部，计算的时候也是采用幅值的方法来进行的，对于这些在读相关资料的时候了解到一些，现在把这些小知识点写出来和大家分享一下呵呵，希望对大家有用~！
1、 Gabor滤波可以看作一个对方向和尺度敏感的有方向性的显微镜，能够检测（响应）图像中一些具有相应的方向频率信息的、局部的显著特征，从而可以形成亮度图像的局部特征图谱，这些局部特征形成了原始输入图像的一种鲁棒、紧凑的特征表示。
2、 由于Gabor核函数的复数形式，卷积过程会产生由实部和虚部两个分量构成的复数响应。在图像的边缘附近，Gabor变换的实部和虚部会产生振荡，而不是一个平滑的峰值响应，因而不利于识别阶段的匹配。为此，一般的做法是退而求其次，抛弃Gabor变换本身具有的线性特征，而只保留Gabor响应的幅值（即实部和虚部平方和开根号）。幅值信息实际反映了图像局部的能量谱，也可以理解为特定方向边缘的强度，对图像的匹配和识别来说具有重要的意义。
3、 对于Gabor响应的相位，早期的观点认为其非常不稳定：即使图像上仅相差几个像素，其相位特征也会有很大差别。因此，Gabor相位特征主要用来定位面部特征点的位置，而很少用来进行人脸的表示和识别。近些年来，很多研究者通过理论分析和实验证明：在对Gabor相位特征进行合适的编码之后，这种特征完全可以用于人脸识别，而且效果并不比采用Gabor幅值特征差。

复制 搜索

复制 搜索