ฉันกำลังทำการวิจัยเกี่ยวกับตัวกรอง Gabor แต่เมื่อฉัน Googled มันฉันมีบทความยาวและซับซ้อน ใครช่วยฉันหาคำอธิบายง่ายๆเกี่ยวกับมันหรือแนะนำเว็บไซต์หรือบทความเพื่ออ่าน? ฉันต้องการที่จะเข้าใจตัวกรองนี้เพื่อใช้ใน Matlab
ฉันกำลังทำการวิจัยเกี่ยวกับตัวกรอง Gabor แต่เมื่อฉัน Googled มันฉันมีบทความยาวและซับซ้อน ใครช่วยฉันหาคำอธิบายง่ายๆเกี่ยวกับมันหรือแนะนำเว็บไซต์หรือบทความเพื่ออ่าน? ฉันต้องการที่จะเข้าใจตัวกรองนี้เพื่อใช้ใน Matlab
คำตอบ:
ตัวกรอง Gabor เป็นตัวกรองที่ไวต่อการกำหนดทิศทางซึ่งใช้สำหรับการวิเคราะห์พื้นผิว
โดยทั่วไปแล้วการเดินทางในแพ็คหนึ่งสำหรับแต่ละทิศทาง ชุดตัวกรอง gabor พร้อมทิศทางที่กำหนดให้การตอบสนองที่แข็งแกร่งสำหรับตำแหน่งของภาพเป้าหมายที่มีโครงสร้างในทิศทางที่กำหนดนี้ ตัวอย่างเช่นหากภาพเป้าหมายของคุณทำจากตะแกรงเป็นระยะตามแนวทแยงมุมชุดตัวกรอง gabor จะให้การตอบสนองที่ดีเฉพาะเมื่อทิศทางของภาพนั้นตรงกับหนึ่งในตะแกรง
ฉันรู้ว่ามันถูกใช้อย่างมากในการจดจำตัวอักษรและการปรับปรุงลายนิ้วมือ ฉัน (ลองใช้) ใช้ในการถ่ายภาพทางชีวภาพเพื่อกำหนดทิศทางหลักในโครงสร้างไฟบริล
นี่คือการสอนที่ดีมากโดย Javier Movellan, pdf
และถ้าคุณสามารถอ่านภาษาฝรั่งเศสได้นี่คือไฟล์ PDF ในการสร้างตัวกรองธนาคารโดย Adrien Marion
ตัวกรอง Gabor เป็นแนวคิดของขอบบางอย่าง สิ่งนี้รวมความคิดที่ขัดแย้งกันสองประการเข้าด้วยกันนั่นคือการเปลี่ยนแปลงอย่างฉับพลันและความคิดที่คลุมเครือว่ามันอยู่ที่ไหน
มันเป็นความคิดที่ชาญฉลาดในทางคณิตศาสตร์เพราะมันแปลได้ดีในโดเมนฟูริเยร์: การแปลงฟูริเยร์ของ Gabor เป็น Gaussian ในพื้นที่ฟูริเยร์และ Gaussian blob เป็นการเดาที่เป็นกลางที่สุดของบางสิ่งที่พร่ามัวที่คุณสามารถทำได้ ในรูปแบบของเพลงฮิต)
ดังนั้นเมื่อคุณใช้ Gabor ไม่มีสูตร 'ถูกต้อง': ทั้งหมดขึ้นอยู่กับสิ่งที่คุณต้องการตรวจจับ / กรอง ในทัศนวิสัยประสาทวิทยาศาสตร์ตัวเลือกยอดนิยมคือเลือก Gabor ที่สอดคล้องกับพื้นที่ฟูริเยร์กับหยดบนลอการิทึมของความถี่ (เช่นจากกฎหมาย Weber เราไวต่อความแตกต่างของความถี่) เหล่านี้เป็นฟิลเตอร์เข้าสู่ระบบ Gabor
เพื่อทำความเข้าใจกับตัวกรอง Gabor ให้ตรวจสอบก่อนว่าการกำหนดพารามิเตอร์ตัวกรองใดจะดีที่สุดสำหรับแอปพลิเคชันของคุณ
มันเป็นเครื่องตรวจจับขอบ มันใช้การแปลง Gaborเท่านั้น ตัวกรอง Gabor นั้นเป็นแบบเกาส์ (ที่มีค่าความแปรปรวน sx และ sy ตาม x และ y-axes ตามลำดับ) มอดูเลตโดยไซนัสที่ซับซ้อน ดูตัวอย่างที่นี่