实验参数:
选取的频率为 0.5 0.25 0.125 0.1 (对应尺度为1,2,4,5)
选取的方向为 0,30,60,90,120,150 (pi:0,0.5236,1.0472,1.5708,2.0944,2.6180)
alpha=1/pi;
beta=1/pi;
<o:p> </o:p>
选取1000个正样本,2000个负样本,调整某些参数,获得的效果比较如下:
调整参数
|
花费时间(s)<o:p></o:p>
|
TruePositive<o:p></o:p>
|
FalsePositive<o:p></o:p>
|
Sx=5,Sy=5<o:p></o:p>
|
1324<o:p></o:p>
|
0.9269<o:p></o:p>
|
0.0816<o:p></o:p>
|
Sx=11,Sy=11<o:p></o:p>
|
3076<o:p></o:p>
|
0.9353<o:p></o:p>
|
0.0754<o:p></o:p>
|
Sx=3,Sy=3<o:p></o:p>
|
598<o:p></o:p>
|
0.9190<o:p></o:p>
|
0.0726<o:p></o:p>
|
频率:1,0.5,0.25,<o:p></o:p>
0.125,0.1,0.05;<o:p></o:p>
Sx=3,Sy=3<o:p></o:p>
|
921<o:p></o:p>
|
0.9572<o:p></o:p>
|
0.0674<o:p></o:p>
|
方向:0/8,1/8,2/8,3/8,<o:p></o:p>
4/8,5/8,6/8,7/8;<o:p></o:p>
Sx=3,Sy=3<o:p></o:p>
|
776<o:p></o:p>
|
0.9492<o:p></o:p>
|
0.0843<o:p></o:p>
|
方向:0,1/4,2/4,3/4;<o:p></o:p>
Sx=3,Sy=3<o:p></o:p>
|
394<o:p></o:p>
|
0.8798<o:p></o:p>
|
0.0892<o:p></o:p>
|
频率:1,0.5,0.25,<o:p></o:p>
0.125,0.1,0.05;<o:p></o:p>
方向:0/8,1/8,2/8,3/8,<o:p></o:p>
4/8,5/8,6/8,7/8;<o:p></o:p>
Sx=3,Sy=3<o:p></o:p>
|
1136<o:p></o:p>
|
0.9587<o:p></o:p>
|
0.0605<o:p></o:p>
|
alpha=1/(2*pi);<o:p></o:p>
beta=1/(2*pi);<o:p></o:p>
Sx=3,Sy=3<o:p></o:p>
|
583<o:p></o:p>
|
0.8537<o:p></o:p>
|
0.1159<o:p></o:p>
|
alpha=2/pi;<o:p></o:p>
beta=2/pi;<o:p></o:p>
Sx=3,Sy=3<o:p></o:p>
|
577<o:p></o:p>
|
0.9294<o:p></o:p>
|
0.0980<o:p></o:p>
|
分享到:
相关推荐
在这个项目中,作者将Gabor特征提取与Adaboost相结合,首先利用Gabor滤波器从原始图像中提取出具有表情特性的特征向量,然后利用Adaboost算法训练分类器,对这些特征进行高效分类。这种方法的优势在于,Gabor特征能...
Gabor特征提取是一种在计算机视觉和图像处理领域广泛使用的特征提取技术。它的核心思想是通过模拟人类视觉...同时,还可以通过调整代码参数,观察不同设置下特征提取的效果,从而优化特征选择,提升模型的识别性能。
在图像处理领域,Gabor滤波器是一种广泛用于纹理分析和特征提取的工具。Gabor纹理特征因其在捕捉图像局部细节、保持空间位置信息以及对光照变化鲁棒性等方面的优势,成为了图像识别、物体检测、医学影像分析等多个...
在高光谱数据中,Gabor特征能够捕捉到不同尺度和方向上的光谱信息,这对于识别和分类具有复杂光谱特征的地物非常有用。 MATLAB作为强大的科学计算工具,提供了丰富的函数库支持这两种特征提取方法。对于GA,MATLAB...
匹配方法可能包括特征向量的欧氏距离计算或使用机器学习算法如支持向量机(SVM)进行分类。 - MATLAB中的类库,如Statistics and Machine Learning Toolbox,可以方便地实现这些复杂的匹配算法。 4. **MATLAB实现*...
5. **降维与规范化**:为了减少计算复杂性和提高分类效果,通常会对提取的特征进行PCA(主成分分析)或LDA(线性判别分析)降维,然后进行归一化处理。 6. **特征匹配与识别**:最后,使用降维后的特征向量进行图像...
这个项目的代码很可能展示了如何利用MATLAB来实现Gabor滤波器,提取图像的Gabor特征,并可能涉及特征的选择、匹配或分类。 【标签】"MATLAB 毕业设计" 表明这个项目是针对高校毕业生的,可能是为了完成学业要求,...
这些内容可以帮助我们深入理解Gabor滤波器在特征提取上的表现,以及不同参数对最终结果的影响,对于优化图像识别和分类算法具有重要的参考价值。 总的来说,Gabor滤波器是一种强大的工具,用于从lena图像这样的复杂...
Gabor特征在人脸识别领域是一种广泛使用的图像表示方法,它结合了空间局部性和频率选择性,能够有效捕捉到人脸图像的细节信息。本文将深入探讨Gabor滤波器的工作原理、特性以及如何应用于人脸特征提取。 Gabor...
在这项研究中,ROC和CMC曲线的使用有助于全面评价基于Gabor特征的人脸识别算法在不同条件下的识别效果。 实验是在ORL人脸数据库上进行的,该数据库包含了多种光照、表情和角度的人脸图像。结果显示,在相同的条件下...
LBP(局部二值模式)算法则是一种高效且鲁棒的纹理描述符,尤其适合于提取人脸图像的局部特征,其简单快速的特性使其在人脸识别中取得了较好的效果。 本文提出了一种融合Gabor小波和Gist特征的人脸识别新方法。...
该算法旨在解决传统Gabor特征在描述人脸图像时缺乏全局信息的问题,从而提高在复杂多变环境下的人脸识别效果。 拉普拉斯金字塔是一种多分辨率分析工具,由高斯金字塔相邻层图像相减得到,它能够同时捕捉图像的局部...
相比其他浅层学习模型,DBN不仅学会了数据的高层特征,还有效地降低了特征维度,提高了分类器的分类精度,从而显著改善了人脸识别的效果。 总的来说,这种结合Gabor特征和深度信念网络的方法充分利用了两种技术的...
在图像处理领域,特征提取是至关重要的一步,它能够帮助我们从原始的像素数据中抽取有意义的信息,为后续的图像分析、识别或分类任务提供基础。在这个案例中,"python.zip" 包含了两个 Python 脚本 "gabor.py" 和 ...
Fisher准则是一种常用的特征提取方法,它可以找到使类间方差最大化、类内方差最小化的方向,从而实现分类。 在本文中,我们提出了结合Gabor特征和自适应加权Fisher准则的人脸识别算法,该算法可以有效地提高人脸...
特征选择和降维:在提取大量特征后,可能需要进行特征选择和降维处理以提高效率和效果。 e. 分类或其他处理:最后,使用提取的特征进行分类、匹配或其他图像处理任务。 在理解了上述概念和技术之后,可以明白...
通过提取多尺度、多方向的Gabor特征,可以得到丰富的面部描述,有助于提升识别效果。 【投影字典对学习】 投影字典对学习是机器学习领域的一种方法,用于处理高维数据。在这个算法中,作者同时学习了一个综合字典...
在音乐信号处理和纹理分析等领域,Log Gabor滤波器也有着显著的效果。 在MATLAB中实现Gabor和Log Gabor特征提取: MATLAB作为一种强大的数值计算和可视化环境,提供了丰富的图像处理工具箱,可以方便地实现Gabor和...