Sự khác biệt giữa hai chức năng lọc Gabor này là gì

16

Tôi cần tăng cường khả năng hiển thị của các tĩnh mạch trên hình ảnh tĩnh mạch bàn tay trong dự án của tôi. Tôi sử dụng hai bộ lọc Gabor đối xứng chẵn đối xứng khác nhau để cải thiện khả năng hiển thị tĩnh mạch.

Ngân hàng đầu tiên bao gồm các hàm gabor này:

G_{m k}^{e} (x, y) = \frac{γ}{2 π σ^{2}} \exp {- \frac{1}{2} (\frac{x_{θ} + γ^{2} y_{θ}^{2}}{σ^{2}})} \times (\cos (2 π f_{0} x_{θ}) - điểm kinh nghiệm (- \frac{υ^{2}}{2}))

$G^\mathit{e}_\mathit{mk}(x,y)=\dfrac{\gamma}{2\pi\sigma^2}\exp\Bigg\{-\frac{1}{2}\left(\dfrac{x_\mathit{\theta}+\gamma^2y_\mathit{\theta}^2}{\sigma^2}\right)\Bigg\}\times \left(\cos(2\pi f_\mathit{0}x_\mathit{\theta})-\exp(-\dfrac{\upsilon^2}{2})\right)$

Ngân hàng thứ hai bao gồm những ngân hàng này:

G_{m k}^{e} (x, y) = = điểm kinh nghiệm {- \frac{1}{2} (\frac{x_{θ} + γ^{2} y_{θ}^{2}}{σ^{2}})} \times \cos (2 π f_{0} x_{θ})

$G^\mathit{e}_\mathit{mk}(x,y)=\exp\Bigg\{-\frac{1}{2}\left(\dfrac{x_\mathit{\theta}+\gamma^2y_\mathit{\theta}^2}{\sigma^2}\right)\Bigg\}\times \cos(2\pi f_\mathit{0}x_\mathit{\theta})$

Trong đó là chỉ số tỷ lệ, là chỉ số định hướng, là tần số trung tâm của bộ lọc, là độ lệch chuẩn (thường được gọi là tỷ lệ), là tỷ lệ khung hình của đường bao Gaussian hình elip, là yếu tố xác định phản hồi DC, và là các phiên bản xoay của tọa độ và . $m$ $k$ $f_\theta$ $\sigma$ $\gamma$ $\upsilon$ $x_\theta=(x\cos\theta+y\sin\theta)$ $y_\theta=(-x\sin\theta+y\cos\theta)$ $x$ $y$

Tôi đã mã hóa các bộ lọc này trong MATLAB, tôi không gặp vấn đề gì về mã hóa. Nhưng tôi không thể hiểu được sự khác biệt cơ bản giữa hai chức năng gabor này.

image-processing filter-design

— võng
nguồn

Làm thế nào là v xác định?

— vini

Xin lỗi vì phản hồi muộn.

trong đó

.

đại diện cho băng thông tần số trong quãng tám được đề xuất rằng có một phạm vi đáng kể băng thông (

)

υ = \sqrt{2 l n 2 / β}

$\upsilon=\sqrt{2ln2/\beta}$

β = (2^{Δ ω} - 1) / (2^{Δ ω} + 1)

$\beta=(2^{\Delta\omega}-1)/(2^{\Delta\omega}+1)$

Δ ω

$\Delta\omega$

Δ ω (\in [1, 1.5])

$\Delta\omega(\in [1, 1.5])$

— saglamp

5

Tùy thuộc vào vị trí của cực đại và tỷ lệ của hai trục của đường bao Gaussian, bộ lọc có thể có đáp ứng DC lớn. Một cách tiếp cận phổ biến để có được phản hồi DC bằng 0 là trừ đi đầu ra của bộ lọc Gaussian thông thấp, đây là điều đầu tiên trong hai điều này. Trong trường hợp hình ảnh, nếu không loại bỏ phản hồi DC, bộ lọc sẽ phản hồi với cường độ tuyệt đối của hình ảnh.

Hướng dẫn này cung cấp thêm một chút chi tiết.

— tdc
nguồn

Cảm ơn bạn đã trả lời một hướng dẫn. Tôi đã đọc hướng dẫn nhưng tôi vẫn bối rối về "cường độ tuyệt đối của hình ảnh". Tôi cần thêm thông tin về sự khác biệt giữa bộ lọc Gabor bị trừ và bộ lọc Gabor bị trừ. Ví dụ, tôi tự hỏi rằng nếu chúng ta nhìn vào sự kết hợp của cả hai bộ lọc trên cùng một hình ảnh, điều gì sẽ không giống nhau trong các kết quả này?

— saglamp

0

Ngoài sự khác biệt thành phần DC được đề cập (trong đó thường là v ^ 2 = sigma ^ 2). Công thức đầu tiên có một gaussian được chuẩn hóa do hệ số đầu tiên, mặc dù tôi không chắc phần sử dụng một phần của hàm sóng là bao nhiêu, vì nó không liên quan đến các hàm xác suất.

— jiggunjer
nguồn