[发明专利]结合Gabor小波和SVM进行物体识别的方法

权利要求书

1.结合Gabor小波和SVM进行物体识别的方法，其特征在于：

步骤一、对原始图像进行Gabor特征提取，得到的48维特征矢量；

步骤二、对步骤一中的得到的48维特征矢量，采用PCA消除特征维间的冗余信息，得到多维主特征矢量；

步骤三、利用SVM对多维主特征矢量进行分类识别。

2.如权利要求1所述的结合Gabor小波和SVM进行物体识别的方法，其特征在于：所述的48维特征矢量的提取方法是，Gabor滤波器的特性主要由尺度                                                和方向两个参数决定，改变尺度和方向的值，就可得到一组方向和尺度不同的Gabor滤波器，选取共六个方向能满足物体识别的要求，对于一个N*N的纹理图像，选择四个尺度，这样就得到24个Gabor通道滤波器，采用双重卷积，纹理图像与其对应每个通道的奇、偶对称Gabor滤波器分别进行卷积，将两个卷积后图像的和取平方根，得到每个通道的输出图像，其结果与相位无关，每个通道输出图像的均值和标准差用来表示纹理特征，从每幅图像中提取出48个特征，形成48维特征矢量。

3.如权利要求2所述的结合Gabor小波和SVM进行物体识别的方法，其特征在于：所述的选取六个方向为0°、30°、60°、90°、120°和150°。

4.如权利要求2所述的结合Gabor小波和SVM进行物体识别的方法，其特征在于：所述的所述的Gabor滤波器函数的一般形式为

     （1）

                （2）

其中：，，和分别是在x和y方向的标准差，确定了函数的空间扩展，把作为母小波，对进行适当的尺度和旋转变换，可得一组自相似的滤波器；

                     （3）

其中，m, n为整数，，K为方向总数，为尺度因子；

设为一幅给定的图像，则其Gabor小波变换可定义为：

      （4）

其中*代表共轭复数，纹理区域具有空间相似性，所以变换参数的均值和可表示该区域的纹理特征并进行分类，和的计算公式如下

                     （5）

             （6）

设采用了P个方向和Q个尺度，则特征向量可表示为

                      （7）。