이미지에 적용된 가보 필터에서 어떻게 특징 벡터를 만들 수 있습니까?

Question

특징 추출을 위해 이미지에 가보 필터가 적용될 때 어떤 특징 벡터가 구성되는지 알고 싶습니까? 표정 분류를위한 특징 벡터가 필요합니다. 나는 가보 필터에 대한 코드를 가지고 있으며 필터링 된 이미지도 얻고 있지만 피쳐 벡터에 대해서는 혼란 스럽다.

Answer 1

원본 이미지와 가버 필터에 대한 컨볼 루션 작업을 구현 한 후에는 주파수 영역의 복잡한 컨볼 루션 결과를 실제 및 imag 부분을 기반으로 크기 및 위상 이미지로 분해 할 수 있습니다. 위상 응답은 공간적 위치가 몇 픽셀 떨어진 경우에도 크게 달라 지지만 가버 위상 특성은 불안정한 것으로 간주되어 대개 무시됩니다. 크기 응답은 공간 위치에 따라 천천히 변하므로 Gabor 필터 기반 특징을 유도 할 때 선호되는 선택입니다.

크기 벡터 이미지를 긴 벡터로 재구성하고, 대형 데이터베이스를 구성하기 위해 데이터베이스에서 생성 된 모든 벡터를 사용하고, 주 구성 요소 분석 또는 선형 판별 분석을 적용하여 데이터 차원을 줄이고, 추가 프로세스 구현을 수행하십시오.

Answer 2

이미지를 Gabor로 뒤얽힌 후. 정점이 Gabor 필터와 닮은 결과 히트 맵으로 끝납니다. 이 기능은 낮은 수준의 기본 가장자리 감지에 유용합니다. 그런 다음 결과 컨볼 루션 픽셀 값을 연결하여 피쳐 벡터를 얻을 수 있습니다. 또는 벡터가 너무 길어서 필요/제한이 없다면 샘플링 할 수 있습니다.

복잡한 Gabor 기능과 함께 할 수 있습니다. 이 결과 정보는 전력 및 위상 정보입니다. 당신은 이것들을 특징 벡터로 아주 간단하게 연결할 수 있습니다. lennon310의 답변에 대해 더 자세히 설명 드리지만 그는 정확합니다. 일반적으로 위상 정보는 폐기됩니다. 그것은 사용하기가 매우 어렵 기 때문입니다. 그러나 올바르게 사용하면 전원 정보가 훨씬 더 차별화 될 수 있습니다! Daugman (2004) 참조 홍채를 인식하기 위해 위상 정보를 사용하는 사람 을 참조하십시오. http://www.cs.columbia.edu/~belhumeur/courses/biometrics/2010/howirisrecognitionworks.pdf