Gabor纹理提取总结

1、Gabor,纹理提取,在信号处理技术领域中，Gabor 变换是被公认的信号表示尤其是图像辨识的最好方法之一。 生物学领域的研究也发现，二维 Gabor 滤波器能够很好的描述脊椎动物大脑初级视觉皮层部分的单细胞可接收信息域的分布，两者在空频域均具有相似的局部特点，这与人类的视觉系统也是一致的。,如果从Fourier变换的角度来看，Gobor变换就是窗函数取高斯窗时的短时Fourier变换。 如果从小波变换的角度来看，Gabor变换就是小波基函数取Gabor基的小波变换。,Fourier变换是整体上将信号分解为不同的频率分量（任何信号都可分解为复正弦信号之和），Fourier变换缺乏时间的局部性信

2、息，无法告知某些频率成分发生在哪些时间内。但是Gabor变换中的Gabor基函数包含一个高斯窗函数窗，窗的中心位置可以由我们设定（即设定时域信号取值范围），所以某个信号经过Gabor变换后在Gabor频域的表现与信号时域表现就可以联系起来了。,Gabor纹理,1、Gabor滤波 构建gabor滤波器组，多方向多尺度对图像进行gabor滤波。 2、纹理提取 对每个方向每个尺度的滤波图像进行纹理特征描述,Gabor滤波,指定方向，自动尺度 指定方向，指定尺度,纹理提取方法,using the magnitude response幅度响应 applying spatial smoothing空间平滑

3、 using only the real component实部分量 using a non-linear sigmoidal function非线性S型函数 using pixel adjacency information像素邻接信息 applying full wave rectification全波整流 creating moments based on the spatial-frequency plane空间频率平面,Texture Segmentation Using Gabor Filters Khaled Hammouda Prof. Ed Jernigan Universi

4、ty of Waterloo, Ontario, Canada 滑铁卢大学,Naotoshi 马里兰大学,构建滤波器组（自动尺度） 用滤波器对图像进行卷积 提取纹理,Gabor 滤波器组,参数,：波长的余弦因子（Lambda） ：方向角度 （Theta） ：相位偏移角度（Psi） ：is the standard deviation of the Gaussian determines the (linear) size of the receptive field 尺寸 （Sigma） ：空间的长宽比（Gamma） b：半响应的空间频率带宽,滤波参数选择, =1 b = 1 = 0 时对应的

5、是gabor的实部 : 0, 30, 60, 90, 120, 150 = 1/f i = 1, 2, ., log2(Nc/8) Nc 图像的宽，2的幂次方 0 FL(i) 0.25 0.25 = FH(i) 0.5.,滤波器,纹理提取,Gabor滤波器组对图像卷积 S型（非线性）函数 高斯滤波 Jain在论文中提到了平均绝对偏差average absolute deviation (AAD),1、非线性转换,S函数公式 归一化,为常数=0.25（论文中）,2、高斯滤波,这里的为前面滤波器组中的3倍。（Sigma）,B.S. Manjunath and W.Y. Ma 加州大学圣塔芭芭拉分校

6、,构建滤波器组 滤波器作为基函数，对图像进行傅里叶变换 提取纹理,一、Gabor 滤波器组,_ _ 其中x = xcos+ysin, y =-xsin+ycos x和y是缩放比例常数，控制高斯函数在x轴和y轴的伸缩程度，它们决定了一象素点周围参与加权和的有效范围， 是滤波器的方向参数，w 是正弦曲线的径向频率，决定了滤波器在频域中的位置。,1式为gabor函数，1式是其对应的傅里叶形式 u = 1/2x, and v, = 1/2y Ul和Uh是感兴趣的最低频和最高频, = n/K， k是方向个数 m = 0, 1, ., S 1，S是尺度个数,纹理提取,原图傅里叶变换 Gabor基傅里叶 相

7、乘 反变换 求均值方差,其他人的做法,构建滤波器组，指定方向和尺度 滤波器对图像进行卷积 提取纹理,11.1782,-0.3842114.32678,-0.1873254.06591,-1.2575 19.0114,-0.3959566.48956,-0.3882636.76781,-96.8741 23.57,-0.6552979.25225,-0.54753113.5566,-0.631876 15.2156,-0.2008755.91,-0.5329514.46158,-102.874 13.8364,-0.2637444.34812,-0.3436289.96749,-0.475392

8、 20.7942,-0.2248974.17269,-0.24896413.7891,-2.28015 11.5148,-0.3045316.32335,-0.3829235.00933,-0.0510691 13.9723,-0.2362146.95537,-0.2755568.10471,-0.246632 14.8846,-0.089657311.9098,-0.08079938.82971,-0.165818 14.622,-0.8208338.52627,-0.4228233.77919,-0.522876 13.032,-0.4014087.14051,-0.44417113.50

9、8,-0.449381 9.89683,-0.3095415.15573,-0.14304714.7604,-0.39837 13.312,-0.3880057.30762,-0.23384.83414,-0.159176 17.626,-0.1399728.32798,-0.4033311.3599,-0.121858 16.7661,-0.5475914.7426,-0.87751313.4699,-0.121443 10.7712,-0.277789.46838,-0.3563355.39981,-0.21449 8.05304,-0.0919698.38209,-0.44715517.

10、9332,-0.678463 9.30488,-0.4152766.79565,-0.33681717.9486,-0.228588 9.90672,-0.12658510.4479,-0.19331710.5295,-0.0721238 15.2226,-0.13939310.9331,-0.2253224.6918,-0.222509 15.9819,-0.32528913.9776,-0.14312221.6695,-0.101027 9.89434,-0.42090114.3628,-0.05339098.58233,-0.177519 7.88405,-0.15565311.662,

11、-0.047579930.5137,-0.246764 8.89936,-0.30493410.233,-0.3625535.6045,-0.14229 11.6135,-0.44786615.5013,-0.08693689.81986,-0.0163636 18.6464,-0.065864716.2147,-0.22056841.0453,-0.116781 19.8301,-0.17400319.5187,-0.21069439.423,-0.114108 9.83007,-0.30298921.5331,-0.38082414.476,-0.0709609 8.63773,-0.12058816.1545,-0.13262842.6591,-0.179571 10.6891,-0.24125814.2059,-0.32642843.7337,-0.164283 16.7868,-0.14845420.3156,-0.25589711.7229,-0.0665498 23.7271,-0.23856926.2916,-0.38964145.992,-0.157402 25.291,-0.11423831.313