image-processing - 如何从应用于图像的 gabor 滤波器制作特征向量

Question

我想知道当将 gabor 滤波器应用于图像以进行特征提取时，特征向量的构成是什么？我想要用于面部表情分类的特征向量。我有 gabor 过滤器的代码，我也得到了过滤后的图像，但我对特征向量感到困惑。

Answer 1

对原图和Gabor滤波器进行卷积运算后，频域的复数卷积结果可以根据实部和虚部分解为幅值和相位图像。即使对于仅相隔几个像素的空间位置，相位响应也会显着变化，Gabor 相位特征被认为是不稳定的并且通常被丢弃。另一方面，幅度响应随空间位置缓慢变化，因此是推导基于 Gabor 滤波器的特征时的首选。

然后将幅度图像 reshape 为长向量，使用训练数据库中所有构造的向量形成一个大矩阵，应用主成分分析或线性判别分析来降低数据维度，并进行进一步的处理实现。