Gabor變換是一種短時傅裡葉變換方法,其實質是在傅裡葉變換中加入一個窗函數,通過窗函數來實現信號的時頻分析。當選取高斯函數作為窗函數時,短時傅裡葉變換稱為Gabor變換。
二、Gabor濾波器公式化定義
![Gabor滤波小结整理](https://i-blog.csdnimg.cn/blog_migrate/3061997757fd4d40d31c07d35983785a.jpeg)
公式中:
λ:正弦函數波長;
θ:Gabor核函數的方向
ψ:相位偏移
σ:高斯函數的標准差
γ:
常用的偶對稱二維Gabor濾波器可表示為:
圖1
在實際應用時,可以根據檢測對象的方向趨勢,選擇合適的方向參數進行濾波。如在檢測人臉的五官時,可以根據人臉的偏轉角度進行濾波,可以使特征點的定位更加准確。
2.
圖2
從圖2可以看出隨著的變化,Gabor濾波器中出現了很多寬窄與紋理不同的明暗條紋。當濾波器紋理與圖像作用時,濾波器覆蓋下的局部紋理頻率與濾波器的頻率越接近響應就越大,反之越小。
3.
在「人臉光照調整之DCT變換」隨筆中,原始圖像經過DCT變換處理後,並不能完全去除光照在人臉上分布不均的影響,而且人臉的本真信息也難以被全部表達。為此在DCT變換的基礎上,用Gabor濾波對其進行再處理,可以達到更好的結果。
圖三
圖四 基於DCT變換的Gabor濾波
圖三(c)是在(b)圖基礎上做的Gabor濾波,效果顯示已基本完全消除了高曝光對圖像的影響。同理,圖四(c)的右邊臉的光照也被抑制下來。圖四(d)是對原始圖像直接做Gabor濾波,雖然局部效果較(c)圖更清晰,但整體紋理沒有(c)圖平滑,這樣會給後續特征點定位的收斂性帶來影響,因此定位效果欠穩定。
這兩種方法合在一起使用,時間開銷還是挺大的,在人臉識別等實時系統中,需要優化或精簡。一般情況下,就單比處理效果和穩定性,Gabor要由於DCT變換。因此,在容許情況下,我們可以只取Gabor對圖像進行處理。比如,作者在「眼睛定位」隨筆中,就只用Gabor濾波對人臉處理,以提高眼睛定位精度。
下面,作者再貼幾張圖,看看這兩種方法合在一起時,對AAM的幫助。
圖五 光照調整對AAM定位的幫助
圖五中的(a)圖是AAM對原始圖像直接定位的結果,(b)圖是在去光照後的定位效果。比較兩組圖像,可以很明顯的看到(b)圖的定位精度有了大幅度的提高。
參考文獻: