通过无限核学习回归学习二维Gabor滤波器
计算机视觉与模式识别
2017-12-11 v1
摘要
Gabor函数在图像处理和计算机视觉中有广泛应用。本文证明了二维Gabor函数是平移不变正定核，并基于无限核学习回归提出了一种利用Gabor函数进行图像表示的新公式。利用该公式，我们得到了基于Gabor函数混合的图像的支持向量展开。这种表示的问题在于所有Gabor函数都出现在所有支持向量像素处。对此支持向量展开应用LASSO，我们得到了一种稀疏表示，其中每个Gabor函数仅位于极少量像素上。作为一种应用，我们提出了一种学习数据集特定的Gabor滤波器集合的方法，该集合随后可用于特征提取。我们的实验表明，使用学习到的Gabor滤波器提高了一种近期提出的人脸识别算法的识别准确率。
引用
@article{arxiv.1712.02974,
title = {Learning 2D Gabor Filters by Infinite Kernel Learning Regression},
author = {Kamaledin Ghiasi-Shirazi},
journal= {arXiv preprint arXiv:1712.02974},
year = {2017}
}