基于改进Gabor滤波器的多模态特征融合技术

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

分类号：TP301(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61272273

在线出版日期：2015-11-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：107-110