[论文解读] Gabor Wavelets in Image Processing

David Barina|arXiv (Cornell University)|Feb 10, 2016

Remote-Sensing Image Classification参考文献 8被引用 5

一句话总结

本文提出使用二维可分离Gabor小波作为多尺度偏微分算子，用于图像处理中的边缘、角点和斑点检测。通过利用Gabor小波近似导数的能力，该方法实现了具有竞争力的性能——仅次于高斯导数方法，尤其在具备快速Gabor变换实现时，为传统微分算子提供了一种生物启发的替代方案。

ABSTRACT

This work shows the use of a two-dimensional Gabor wavelets in image processing. Convolution with such a two-dimensional wavelet can be separated into two series of one-dimensional ones. The key idea of this work is to utilize a Gabor wavelet as a multiscale partial differential operator of a given order. Gabor wavelets are used here to detect edges, corners and blobs. A performance of such an interest point detector is compared to detectors utilizing a Haar wavelet and a derivative of a Gaussian function. The proposed approach may be useful when a fast implementation of the Gabor transform is available or when the transform is already precomputed.

研究动机与目标

• 开发一种新型方法，利用Gabor小波作为多尺度偏微分算子进行兴趣点检测。
• 通过将Gabor小波建模为一阶和二阶导数的近似，提升图像处理中的特征检测性能。
• 评估Gabor小波在视角变化下的重复性表现，与高斯导数和哈尔小波等既定方法进行比较。
• 通过利用二维Gabor小波的可分性，实现高效计算。
• 通过模拟人类视觉系统感受野的特性，为传统微分算子提供一种生物上合理的替代方案。

提出的方法

• 通过最小化与目标算子之间的欧几里得距离，选择参数α和ξ，使Gabor小波近似所需导数（如一阶或二阶）作为多尺度偏微分算子。
• 将二维Gabor小波分解为两个一维卷积，通过在水平和垂直方向上顺序滤波实现高效计算。
• 通过与Gabor小波卷积计算一阶导数（Ix, Iy），该小波作为一阶微分算子发挥作用。
• 利用相同的Gabor小波框架构建Hessian矩阵，以获得二阶导数（Ixx, Iyy, Ixy），实现斑点检测。
• 通过平方Gabor小波导出的导数构建自相关矩阵，实现Harris型检测器的应用。
• 该方法依赖于预计算或快速Gabor变换，适用于实时或资源受限的应用。

实验结果

研究问题

• RQ1 Gabor小波能否有效近似偏导数以实现图像特征检测？
• RQ2 基于Gabor小波的特征检测性能与高斯导数和哈尔小波相比如何？
• RQ3 使用可分离的二维Gabor小波对计算效率和检测精度有何影响？
• RQ4 Gabor小波能否作为图像处理中传统微分算子的生物合理替代方案？
• RQ5 在何种条件下，基于Gabor小波的方法在兴趣点检测中优于或等同于标准方法？

主要发现

• 在视角变化评估中，基于Gabor小波的检测器重复性得分仅次于高斯导数函数，位居第二。
• Gabor小波检测器的性能显著优于性能最差的不连续哈尔小波，后者在三种测试方法中表现最差。
• 所提出的方法利用了二维Gabor小波的可分性，通过顺序一维卷积实现高效计算。
• Gabor小波能有效近似一阶和二阶导数，适用于Canny、Harris和Hessian基检测器。
• 当具备快速或预计算的Gabor变换时，该方法优势显著，可降低计算开销。
• 该方法表现出较强的生物合理性，因为Gabor函数可模拟视觉皮层中简单细胞的响应。