Gabor特征已广泛用于图像分析和处理(字符和面部识别)。Gabor(诺贝尔奖获得者,电气工程师和物理学家)使用了以下措辞,我认为在这个小插图中值得一提,“你无法预测未来,但你可以发明它。”
在下面的几行中,我将描述GaborFeatureExtract R6类,其中包括以下方法,
GaborFeatureExtract |
---|
gabor_filter_bank() |
gabor_feature_extraction() |
gabor_feature_engine() |
这些方法基于Matlab代码Gabor Feature Extraction of M. Haghighat,S。Zonouz,M.Abdel-Mottaleb,“CloudID:Trustworthy cloud-based and cross-enterprise biometric identification,”Expert Systems with Applications,vol。42,不。21,pp.7905-7916,2015,http://dx.doi.org/10.1016/j.eswa.2015.06.025。修改了最初的Matlab代码(我添加了Magnitude特性和gabor_feature_engine()方法),并在可能的地方使用Rcpp进行并行化。 |
Gabor功能
我在CRAN(综合R档案网络)上进行了常规搜索,但我找不到任何与Gabor特征提取相关的内容(截至2018年8月),因此我决定将Matlab代码移植到R中。网上有很多资源如果有人打算加深他/她对这个主题的了解,我会在Vignette的末尾添加一些我觉得有用的内容(参考文献)。
gabor_filter_bank
该gabor_filter_bank方法“......生成自定义尺寸的Gabor滤波器组。它创建一个UxV单元阵列,其元素是MxN矩阵; 根据Matlab代码的作者,每个矩阵都是2-D Gabor滤波器。以下代码块显示了它在R中是如何工作的,
对于gabor_filter_bank,我使用5个刻度和8个方向来构建大小为39 x 39的过滤器。该方法的输出是长度为3的列表,
第一个子列表(gaborArray)由复杂类型的40个矩阵(5个刻度×8个方向)组成,其中每个matix的尺寸为39 x 39(gabor滤波器)。第二个子列表(gabor_imaginary)是虚部(数字),而第三个子列表是实部(gabor_real)。实部(数字)用于绘制gabor滤波器。
该文档包含所使用的每个参数的更多详细信息。
gabor_feature_extraction
该gabor_feature_extraction方法提取图像的Gabor特征。与初始Matlab代码相比,此方法得到修改,以便用户可以选择对图像进行下采样或对特征进行标准化。此外,我添加了Magnitude功能,因为根据文献,它提高了可预测性。
基于前面提到的car.png图像,
此函数再次返回长度为3的列表,
其中gaborFeatures是提取的特征,其行数等于nrow(im)x ncol(im)(或166 x 249),列数等于scale x orientationations(或5 x 8)。第二和第三个子列表是与gabor滤波器卷积后得到的图像的虚部和实部。以下代码块允许用户绘制图像的不同比例和方向,
通过将gb_im $ gabor_features_real对象(比例,方向)阈值化为 [0,1],可以直观地探索图像,
gabor_feature_engine
该gabor_feature_engine方法是初始Matlab代码的扩展,并且允许用户从多个图像中提取Gabor特征。此方法的工作方式与HOG_apply方法相同,后者采用图像矩阵(如mnist数据集),并在处理后返回要素。以下示例说明如何将gabor_feature_engine方法与mnist数据集一起使用,
的DAT目的是长度为2的列表中的第一子列表对应于幅度,而第二子列表到本地能量和均值性向。在计算mnist数据的准确性之前要做的第一件事是减少幅度特征的维数(我将使用irlba包来实现此目的),
并且我将创建一个缩小幅度和能量 - 能力数据的中心缩放矩阵,
然后我将利用nmslibR库(近似方法'hnsw')来计算mnist数据的准确性,
我将使用HOG_apply函数执行相同的操作,
通过平均gabor和HoG特征,平均准确度增加到98.34%,这非常接近于KernelKnn(98.4)的HoG +强力方法的得分,
还有问题吗?联系我们!
大数据部落 -中国专业的第三方数据服务提供商,提供定制化的一站式数据挖掘和统计分析咨询服务
统计分析和数据挖掘咨询服务:y0.cn/teradat(咨询服务请联系官网客服)
【服务场景】
科研项目; 公司项目外包;线上线下一对一培训;数据采集;学术研究;报告撰写;市场调查。
【大数据部落】提供定制化的一站式数据挖掘和统计分析咨询服务