基于改进Gabor滤波器的多模态特征融合技术.PDFVIP

第25卷 第10期 计 算机 技 术 与发 展 Vol.25 No.10 2015年10月 COMPUTERTECHNOLOGY AND DEVELOPMENT Oct. 2015 基于改进 Gabor滤波器的多模态特征融合技术 陈支泽,荆晓远,陈 芸,朱阳平 (南京邮电大学 自动化学院,江苏 南京 210023) 摘 要:传统的Gabor滤波器具有良好的方向特性和尺度特性,然而传统的Gabor滤波器不能提取图像中弯曲区域的局部 信息。 文中首先对传统的Gabor滤波器加以改进,使其在具有方向和尺度特性的同时具有良好的曲率响应特性,因而对于 图像中弯曲的区域能够提取丰富的边缘特征。 图像在不同的Gabor滤波器特征下有不同的表现形式,利用Gabor滤波器 丰富的多特征信息,可以形成包含丰富信息的多个模态。 然后文中提出一个多模态学习(Multi-modal Learning)框架。 在 此框架内,样本集合被投影到一个公共的鉴别空间内,在这个空间里,来自不同模态的同类样本相互聚集,异类样本相互 散开。 文中提出的多模态学习框架能很好地利用Gabor滤波器的多特征信息,PolyU掌纹数据库和AR彩色人脸数据库的 实验结果表明了该方法的有效性。 关键词:Gabor滤波器;曲率特性;多模态学习;特征提取 中图分类号:TP301 文献标识码:A 文章编号:1673-629X(2015)10-0107-04 doi:10.3969/j.issn.1673-629X.2015.10.023 Multi-modal Features Fusion Technology Based on Improved Gabor Filter CHEN Zhi-ze,JING Xiao-yuan,CHEN Yun,ZHU Yang-ping (College of Automation,Nanjing University of Postsand Telecommunications, Nanjing210023,China) Abstract:Traditional Gabor filter hasgood characteristicsof direction and scale,but cannot extract the local information ofbending area for image.Firstly,improve traditional Gabor filter to make it hasgood curvature response based on good characteristics of direction and scale.So for theimageareacanextracttheedgeoftherichcharacteristicsofbending.AfterfilteringwithdifferentcharacteristicsofGabor filter,imageshave more abundant characteristicinformation,andcontainabundantinformation ofmultiplemodes.ThenproposeaMulti- Modal Learning (MML)framework,within thisframework,samplesareprojected ontoa common space.In thiscommon space,samples in sameclassfrommultiplemodalsareclosetoeachoth