Gabor變換到底是什么鬼?

欲講gabor,必須先看下傅里葉變換有什么缺點(diǎn)!
1.傅里葉變換
1) 簡(jiǎn)介
數(shù)字圖像處理的方法主要分成兩大部分:空域分析法和頻域分析法??沼蚍治龇ň褪菍?duì)圖像矩陣進(jìn)行處理;頻域分析法是通過(guò)圖像變換將圖像從空域變換到頻域,從另外一個(gè)角度來(lái)分析圖像的特征并進(jìn)行處理。頻域分析法在圖像增強(qiáng)、圖像復(fù)原、圖像編碼壓縮及特征編碼壓縮方面有著廣泛應(yīng)用。
如果一個(gè)信號(hào)f(t)在
上滿(mǎn)足:
① f(t)在任一有限區(qū)間上滿(mǎn)足狄氏條件;
② f(t)在
上絕對(duì)可積即![]()
就可以通過(guò)傅里葉變換把時(shí)域信號(hào)f(t)轉(zhuǎn)化到頻域進(jìn)行處理:
![]()
然后再通過(guò)傅里葉反變換把頻域信號(hào)轉(zhuǎn)化到時(shí)域:
![]()
傅里葉變換是線(xiàn)性系統(tǒng)分析的有力工具,提供了一種把時(shí)域信號(hào)轉(zhuǎn)換到頻域進(jìn)行分析的途徑,時(shí)域和頻域之間是一對(duì)一的映射關(guān)系。圖像的頻率是表征圖像中灰度變化劇烈程度的指標(biāo),是灰度在平面空間上的梯度。如:大面積的沙漠在圖像中是一片灰度變化緩慢的區(qū)域,對(duì)應(yīng)的頻率值很低;而對(duì) 于地表屬性變換劇烈的邊緣區(qū)域在圖像中是一片灰度變化劇烈的區(qū)域,對(duì)應(yīng)的頻率值較高。
傅立葉變換在實(shí)際中有非常明顯的物理意義,設(shè)f是一個(gè)能量有限的模擬信號(hào),則其傅立葉變換就表示f的 譜。從純粹的數(shù)學(xué)意義上看,傅立葉變換是將一個(gè)函數(shù)轉(zhuǎn)換為一系列周期函數(shù)來(lái)處理的。從物理效果看,傅立葉變換是將圖像從空間域轉(zhuǎn)換到頻率域,其逆變換是將 圖像從頻率域轉(zhuǎn)換到空間域。換句話(huà)說(shuō),傅立葉變換的物理意義是將圖像的灰度分布函數(shù)變換為圖像的頻率分布函數(shù),傅立葉逆變換是將圖像的頻率分布函數(shù)變換為 灰度分布函數(shù)。
2) 不足之處
經(jīng)典Fourier變換只能反映信號(hào)的整體特性(時(shí)域,頻域)。對(duì)傅里葉譜中的某一頻率,無(wú)法知道這個(gè)頻率是在什么時(shí)候產(chǎn)生的。從傅里葉變換的定義也可看出,傅里葉變換是信號(hào)在整個(gè)時(shí)域內(nèi)的積分,因此反映的是信號(hào)頻率的統(tǒng)計(jì)特性,沒(méi)有局部化分析信號(hào)的功能。另外,要求信號(hào)滿(mǎn)足平穩(wěn)條件。傅里葉變換時(shí)域和頻域是完全分割開(kāi)來(lái)的。
由式
可知,要用Fourier變換研究時(shí)域信號(hào)頻譜特性,必須要獲得時(shí)域中的全部信息;
信號(hào)在某時(shí)刻的一個(gè)小的鄰域內(nèi)發(fā)生變化,那么信號(hào)的整個(gè)頻譜都要受到影響,而頻譜的變化從根本上來(lái)說(shuō)無(wú)法標(biāo)定發(fā)生變化的時(shí)間位置和發(fā)生變化的劇烈程度。也就是說(shuō),F(xiàn)ourier變換對(duì)信號(hào)的齊性不敏感。不能給出在各個(gè)局部時(shí)間范圍內(nèi)部頻譜上的譜信息描述。然而在實(shí)際應(yīng)用中齊性正是我們所關(guān)心的信號(hào)局部范圍內(nèi)的特性。如,音樂(lè),語(yǔ)言信號(hào)等。即:局部化時(shí)間分析,圖形邊緣檢,地震勘探反射波的位置等信息極重要。
為解決傅里葉變換的局限性,產(chǎn)生了Gabor變換和小波變換。
2.Gabor變換
Gabor變換是D.Gabor 1946年提出的。為了由信號(hào)的Fourier變換提取局部信息,引入了時(shí)間局部化的窗函數(shù),得到了窗口Fourier變換。由于窗口Fourier變換只依賴(lài)于部分時(shí)間的信號(hào),所以,現(xiàn)在窗口Fourier變換又稱(chēng)為短時(shí)Fourier變換,這個(gè)變換又稱(chēng)為Gabor變換。
1) Gabor優(yōu)點(diǎn)
Gabor小波與人類(lèi)視覺(jué)系統(tǒng)中簡(jiǎn)單細(xì)胞的視覺(jué)刺激響應(yīng)非常相似。它在提取目標(biāo)的局部空間和頻率域信息方面具有良好的特性。雖然Gabor小波本身并不能構(gòu)成正交基,但在特定參數(shù)下可構(gòu)成緊框架。Gabor小波對(duì)于圖像的邊緣敏感,能夠提供良好的方向選擇和尺度選擇特性,而且對(duì)于光照變化不敏感,能夠提供對(duì)光照變化良好的適應(yīng)性。上述特點(diǎn)使Gabor小波被廣泛應(yīng)用于視覺(jué)信息理解。
Gabor濾波器和脊椎動(dòng)物視覺(jué)皮層感受野響應(yīng)的比較:第一行代表脊椎動(dòng)物的視覺(jué)皮層感受野,第二行是Gabor濾波器,第三行是兩者的殘差??梢?jiàn)兩者相差極小。Gabor濾波器的這一性質(zhì),使得其在視覺(jué)領(lǐng)域中經(jīng)常被用來(lái)作圖像的預(yù)處理。
![clip_image012[4]](https://filescdn.proginn.com/ac6568f176915ba194448e68581e0c9c/7aac7693e6db2f27f6503a5cf4f1b643.webp)
2) Gabor定義
① 具體窗函數(shù)――Gaussaion的 Gabor變換定義式
Gabor變換的基本思想:把信號(hào)劃分成許多小的時(shí)間間隔,用傅里葉變換分析每一個(gè)時(shí)間間隔,以便確定信號(hào)在該時(shí)間間隔存在的頻率。其處理方法是對(duì)f(t)加一個(gè)滑動(dòng)窗,再作傅里葉變換。
設(shè)函數(shù)f為具體的函數(shù),且
,則Gabor變換定義為
![]()
其中,
,是高斯函數(shù),稱(chēng)為窗函數(shù)。其中a>0,b>0.
是一個(gè)時(shí)間局部化的“窗函數(shù)”。其中,參數(shù)b用于平行移動(dòng)窗口,以便于覆蓋整個(gè)時(shí)域。對(duì)參數(shù)b積分,則有
![clip_image022[4]](https://filescdn.proginn.com/aba428dc8fa57b1de5d355dc7f3251fa/4e3c15dc799d442465eb99f6e5d0d8a4.webp)
信號(hào)的重構(gòu)表達(dá)式為
![clip_image024[4]](https://filescdn.proginn.com/57595492356a74b1c16f583774cffedf/492b2be74943050edf6a6750ddae692d.webp)
Gabor取g(t)為一個(gè)高斯函數(shù)有兩個(gè)原因:一是高斯函數(shù)的Fourier變換仍為高斯函數(shù),這使得Fourier逆變換也是用窗函數(shù)局部化,同時(shí)體現(xiàn)了頻域的局部化;二是Gabor變換是最優(yōu)的窗口Fourier變換。其意義在于Gabor變換出現(xiàn)之后,才有了真正意義上的時(shí)間-頻率分析。即Gabor變換可以達(dá)到時(shí)頻局部化的目的:它能夠在整體上提供信號(hào)的全部信息而又能提供在任一局部時(shí)間內(nèi)信號(hào)變化劇烈程度的信息。簡(jiǎn)言之,可以同時(shí)提供時(shí)域和頻域局部化的信息。
② 窗口的寬高關(guān)系
經(jīng)理論推導(dǎo)可以得出:高斯窗函數(shù)條件下的窗口寬度與高度,且積為一固定值。

矩形時(shí)間――頻率窗:寬為
,高
。
由此,可以看出Gabor變換的局限性:時(shí)間頻率的寬度對(duì)所有頻率是固定不變的。實(shí)際要求是:窗口的大小應(yīng)隨頻率而變化,頻率高窗口應(yīng)愈小,這才符合實(shí)際問(wèn)題中的高頻信號(hào)的分辨率應(yīng)比低頻信號(hào)的分辨率要低。
3) 離散Gabor變換的一般求法
① 首先選取核函數(shù)
可根據(jù)實(shí)際需要選取適當(dāng)?shù)暮撕瘮?shù)。如,如高斯窗函數(shù);
![clip_image032[4]](https://filescdn.proginn.com/309a71469e6fc2532ee73d9c7cdb81bc/5205e1976129d6521009cc95aea70295.webp)
則其對(duì)偶函數(shù)
為
![clip_image036[4]](https://filescdn.proginn.com/2c096a186c5d1aa5e32d40276c800aea/5bbd0982c71b01734db6319a6cfd6402.webp)
② 離散Gabor變換的表達(dá)式
![]()
![clip_image040[4]](https://filescdn.proginn.com/9ff42dedfa2cea78143adfdc1bafbd72/071848f682afe73793f0638a158bd823.webp)
其中,
![]()
是
的對(duì)偶函數(shù),二者之間有如下雙正交關(guān)系。
![]()
4) Gabor變換的解析理論
Gabor變換的解析理論就是由g(t)求對(duì)偶函數(shù)
的方法。
定義g(t)的Zak變換為
![]()
可以證明對(duì)偶函數(shù)可由下式求出:
![]()
有了對(duì)偶函數(shù)可以使計(jì)算更為簡(jiǎn)潔方便。
5) 適用條件
① 臨界采樣Gabor展開(kāi)要求條件:TΩ=2π;
② 過(guò)采樣展開(kāi)要求條件:TΩ≤2π;
當(dāng)TΩ>2π時(shí),欠采樣Gabor展開(kāi),已證明會(huì)導(dǎo)致數(shù)值上的不穩(wěn)定。
6) 應(yīng)用
① 暫態(tài)信號(hào)檢測(cè)
如果對(duì)信號(hào)波形有一定的先驗(yàn)知識(shí)且可以據(jù)此選取合適的基函數(shù),可以用Gabor變換對(duì)信號(hào)作精確的檢測(cè)統(tǒng)計(jì)計(jì)量。
② 圖象分析與壓縮
二維Gabor變換可以應(yīng)用到圖象分析與壓縮中。
3. 二維Gabor濾波器
用Gabor 函數(shù)形成的二維Gabor 濾波器具有在空間域和頻率域同時(shí)取得最優(yōu)局部化的特性,因此能夠很好地描述對(duì)應(yīng)于空間頻率(尺度)、空間位置及方向選擇性的局部結(jié)構(gòu)信息。Gabor濾波器的頻率和方向表示接近人類(lèi)視覺(jué)系統(tǒng)對(duì)于頻率和方向的表示,并且它們常備用于紋理表示和描述。在圖像處理領(lǐng)域,Gabor濾波器是一個(gè)用于邊緣檢測(cè)的線(xiàn)性濾波器。,在空域,一個(gè)2維的Gabor濾波器是一個(gè)正弦平面波和高斯核函數(shù)的乘積。Gabor濾波器是自相似的,也就是說(shuō),所有Gabor濾波器都可以從一個(gè)母小波經(jīng)過(guò)膨脹和旋轉(zhuǎn)產(chǎn)生。實(shí)際應(yīng)用中,Gabor濾波器可以在頻域的不同尺度,不同方向上提取相關(guān)特征。
![clip_image054[4]](https://filescdn.proginn.com/c81ef182b801cda3be0460323c8213a9/796bc5275b109e49561b82c395ae2fcf.webp)
1)定義
空域來(lái)看:是高斯核函數(shù)調(diào)制正弦平面波
s(x,y)是復(fù)雜的正弦函數(shù),相當(dāng)于載波;w(x,y)是2維高斯函數(shù)包跡。
(u0,v0)定義了正弦平面波的時(shí)域頻率,在極坐標(biāo)中可用f和Θ來(lái)表示。
![clip_image056[4]](https://filescdn.proginn.com/83b3aa255075b02a01cac9765f50a1ca/0e131f22b2dc02a0fda2be828910c9c7.webp)
a,b 為x和y方向的橢圓高斯的方差
K=1/ab 為高斯包跡的參數(shù)
r 為角度旋轉(zhuǎn)的下標(biāo)
Θ為旋轉(zhuǎn)角度
(x0,y0)為函數(shù)峰值,也是接受域的中心
|
|
f(x,y) f(x',y')
Gabor濾波器的傅里葉變換:峰值響應(yīng)在復(fù)正弦的空域頻率(u0,v0)
|
Gabor濾波器示意圖,3種角度5種方向:
|
2) 分析
生成2維Gabor濾波器的matlab 代碼:
http://blog.sina.com.cn/s/blog_80853788010103wx.html
http://blog.csdn.net/weixingstudio/article/details/7872764
Opencv實(shí)現(xiàn):
http://www.cppblog.com/polly-yang/archive/2012/07/14/183327.aspx


![clip_image060[4]](https://filescdn.proginn.com/e19f86f333354e942cd598e16161623c/5bc91f95b4af8de80d4baebff7c073a6.webp)
![clip_image061[4]](https://filescdn.proginn.com/709db28d26e7d8580408df712d2b6299/36c83553659c094e788ff756c9ab6b49.webp)
![clip_image063[6]](https://filescdn.proginn.com/3fce56803452374ffaabe7d051c4e5b8/9793fb562cef01206f4e27b64fe7e757.webp)
![clip_image065[4]](https://filescdn.proginn.com/98921052544990ae01e326263374690b/72b301717066d12f1c2438c98b1ccc1a.webp)