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
- 泡沫洗手液和普通洗手液哪个好 洗手液怎么挑选
- 真实的历史上,张居正和李太后到底有关系吗?
- 七彩虹ultra和ad什么区别
- 青桔和木鱼是动物奶油吗
- 青桔和木鱼是哪个公司的
- 虎鱼能和鹦鹉鱼混养吗
- 李师师和燕青在一起了吗?最后结局是什么?
- 膳魔师jnr和jnl区别
- 如何区分瓷抛砖和全抛釉砖
- 电磁感应加热设备为何使用频率高于电加热和陶瓷片加热?