Gabor滤波器和一般滤波器的区别 _在modelsim6.0上使用verilog实现gabor滤波器程序

Gabor滤波器和一般滤波器的区别

文章插图
滤波器的功能都一样，就是去除不必要的频谱，不一样的只是传递函数和带形，用matlab仿真一下就知道Gabor滤波器是什么带形了。
我们知道光是一种波，每种颜色的光都对应一种光谱，不同光谱的叠加就能形成一幅彩色图像，杂波的干扰必然影响成像的质量，从而降低定位系统的识别能力，因此需要通过数字滤波器滤除不必要的干扰。
在modelsim6.0上使用verilog实现gabor滤波器程序

文章插图
很难...部分c代码
Gabor变换属于加窗傅立叶变换，Gabor函数可以在频域不同尺度、不同方向上提取相关的特征。另外Gabor函数与人眼的生物作用相仿，所以经常用作纹理识别上，并取得了较好的效果。
参数决定了高斯窗口的大小，这里取。程序中取4个频率（v=0, 1, ..., 3），8个方向（即K=8，u＝0, 1, ... ,7），共32个Gabor核函数。
Gabor函数是复值函数，因此在运算过程中要分别计算其实部和虚部。部分代码如下：
private void CalculateKernel(int Orientation, int Frequency)
{
double real, img;
for(int x = -(GaborWidth-1)/2; x<(GaborWidth-1)/2+1; x++)
for(int y = -(GaborHeight-1)/2; y<(GaborHeight-1)/2+1; y++)
{
real = KernelRealPart(x, y, Orientation, Frequency);
img = KernelImgPart(x, y, Orientation, Frequency);
KernelFFT2[(x+(GaborWidth-1)/2) + 256 * (y+(GaborHeight-1)/2)].Re = real;
KernelFFT2[(x+(GaborWidth-1)/2) + 256 * (y+(GaborHeight-1)/2)].Im = img;
}
}
private double KernelRealPart(int x, int y, int Orientation, int Frequency)
{
double U, V;
double Sigma, Kv, Qu;
double tmp1, tmp2;
U = Orientation;
V = Frequency;
Sigma = 2 * Math.PI * Math.PI;
Kv = Math.PI * Math.Exp((-(V+2)/2)*Math.Log(2, Math.E));
Qu = U * Math.PI/ 8;
tmp1 = Math.Exp(-(Kv * Kv * ( x*x + y*y)/(2 * Sigma)));
tmp2 = Math.Cos(Kv * Math.Cos(Qu) * x + Kv * Math.Sin(Qu) * y) - Math.Exp(-(Sigma/2));
return tmp1 * tmp2 * Kv * Kv / Sigma;
}
private double KernelImgPart(int x, int y, int Orientation, int Frequency)
{
double U, V;
double Sigma, Kv, Qu;
double tmp1, tmp2;
U = Orientation;
V = Frequency;
Sigma = 2 * Math.PI * Math.PI;
Kv = Math.PI * Math.Exp((-(V+2)/2)*Math.Log(2, Math.E));
Qu = U * Math.PI/ 8;
tmp1 = Math.Exp(-(Kv * Kv * ( x*x + y*y)/(2 * Sigma)));
tmp2 = Math.Sin(Kv * Math.Cos(Qu) * x + Kv * Math.Sin(Qu) * y) - Math.Exp(-(Sigma/2));
return tmp1 * tmp2 * Kv * Kv / Sigma;
}
有了Gabor核函数后就可以采用“离散二维叠加和卷积”或“快速傅立叶变换卷积”的方法求解Gabor变换，并对变换结果求均值和方差作为提取的特征。
32个Gabor核函数对应32次变换可以提取64个特征（包括均值和方差）。该代码仅计算了一个101×101尺寸的Gabor函数变换，得到均值和方差。代码采用两种卷积计算方式，从结果中可以看出，快速傅立叶变换卷积的效率是离散二维叠加和卷积的近50倍。
gabor滤波参数怎么确定

文章插图
Gabor滤波Gabor变换是英国物理学家 Gabor提出来的,由“测不准原理”可知,它具有最小的时频窗,即Gabor函数能做到具有最精确的时间-频率的局部化;另外, Gabor函数与哺乳动物的视觉感受野相当吻合,这一点对研究图像特征检测或空间频率滤波非常有用。恰当的选择其参数, Gabor变换可以出色地进行图像分割、识别与理解。
如何用gabor滤波器提取图像的纹理特征和形状特征

文章插图
对于目视判读的时候这些是最主要的判读依据，就不说了。
计算机自动分类的时候，这些可以作为辅助手段提高精度。
二维gabor滤波器怎么与图像作卷积

文章插图
滤波器的功能都一样，就是去除不必要的频谱，不一样的只是传递函数和带形，用matlab仿真一下就知道gabor滤波器是什么带形了。
我们知道光是一种波，每种颜色的光都对应一种光谱，不同光谱的叠加就能形成一幅彩色图像，杂波的干扰必然影响成像的质量，从而降低定位系统的识别能力，因此需要通过数字滤波器滤除不必要的干扰。
gabor滤波和高斯滤波一样吗