我想知道当gabor滤镜应用于图像进行特征提取时，特征向量的构成是什么？我想要特征向量来分类面部表情。我有gabor过滤器的代码，我也得到了过滤后的图像，但我对特征向量感到困惑。
答案 0 :(得分：1)
对原始图像和Gabor滤波器实施卷积运算后，可以根据实部和图像部分将频域中的复卷积结果分解为幅度和相位图像。即使对于仅相隔几个像素的空间位置，相位响应也显着变化，Gabor相位特征被认为是不稳定的并且通常被丢弃。 另一方面，幅度响应随空间位置的变化缓慢，因此在推导基于Gabor滤波器的特征时是首选。
然后，将您的幅度图像重塑为长矢量，使用训练数据库中的所有构造矢量形成一个大矩阵，应用主成分分析或线性判别分析来减少数据维度，并进行进一步的过程实现。 / p>