Ответ 1
Фильтры Габора действуют очень похоже на визуальные клетки коры мамали, поэтому они извлекают черты различной ориентации и разных масштабов.
Я тоже недавно сделал некоторые фильтры, основанные на фильтрах Gabor.
Сначала он выглядит сложно, но его легко реализовать.
Чтобы вам было легко понять, я дам вам пошаговое руководство.
Предположим, что у вас есть изображение типа
И вы вычисляете функции gabor в 5 масштабах и 8 ориентациях (что, я полагаю, вы уже сделали), вы получите фильтры типа
Теперь вам нужно сверлить все фильтры с изображением, чтобы получить 40 (8 * 5 = 40) различное представление (response matrices) того же изображения, где каждое изображение дает вам вектор-функцию.
Итак, после свертки
Теперь вам нужно преобразовать те Матрицы ответов в вектор функции.
Таким образом, вектор признаков может состоять из: локальной энергии, средней амплитуды, амплитуды или ориентации фазы, локальная имеет максимальную энергию
Я работал над локальной энергией и средней амплитудой и получил хорошие результаты.
Локальная энергия = суммирование квадратного значения каждого значения матрицы из матрицы ответов
Средняя амплитуда = сумма абсолютных значений каждого значения матрицы из матрицы ответов
Таким образом, в конце вы получите две матрицы, каждая из которых будет [1x40].
Вы можете добавить одну матрицу в другую, чтобы создать матрицу свойств [1x80] для одного изображения и, таким образом, создать вектор [nx80] для n изображений для дальнейшего обучения.
Как бы то ни было, чтобы повысить эффективность, вы можете использовать фильтры Log Gabor. (см. это)
И для получения дополнительной информации об использовании функции Extraction с фильтрами Gabor см. эту статью