如何从应用于图像的 Gabor 滤波器生成特征向量

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

在对原始图像和Gabor滤波器进行卷积运算后，频域中的复杂卷积结果可以根据实部和图像部分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，相位响应也有显着变化，Gabor 相位特征被认为是不稳定的，通常被丢弃。 另一方面，幅度响应随空间位置变化缓慢，因此是推导基于 Gabor 滤波器的特征时的首选。

然后你将你的幅度图像重塑为一个长向量，使用训练数据库中所有构建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。