Gabor特征提取MATLAB代码

Gabor特征提取MATLAB函数 function gaborArray = gaborFilterBank(u,v,m,n) function featureVector = gaborFeatures(img,gaborArray,d1,d2)

function featureVector = gaborFeatures（imggaborArrayd1d2）

% GABORFEATURES extracts the Gabor features of the image.
% It creates a column vector consisting of the image‘s Gabor features.
% The feature vectors are normalized to zero mean and unit variance.
%
%
% Inputs:
%       img         :	Matrix of the input image 
%       gaborArray	:	Gabor filters bank created by the function gaborFilterBank
%       d1          :	The factor of downsampling along rows.
%                       d1 must be a factor of n if n is the number of rows in img.
%       d2          :	The factor of downsampling along columns.
%                       d2 must be a factor of m if m is the number of columns in img.
%               
% Output:
%       featureVector	:   A column vector with length （m*n*u*v）/（d1*d2）. 
%                           This vector is the Gabor feature vector of an 
%                           m by n image. u is the number of scales and
%                           v is the number of orientations in ‘gaborArray‘.
%
%
% Sample use:
% 
% img = imread（‘cameraman.tif‘）;
% gaborArray = gaborFilterBank（583939）;  % Generates the Gabor filter bank
% featureVector = gaborFeatures（imggaborArray44）;   % Extracts Gabor feature vector ‘featureVector‘ from the image ‘img‘.
% 
% 
%   Details can be found in:
%   
%   M. Haghighat S. Zonouz M. Abdel-Mottaleb “Identification Using 
%   Encrypted Biometrics“ Computer Analysis of Images and Patterns 
%   Springer Berlin Heidelberg pp. 440-448 2013.
% 
% 
% （C）	Mohammad Haghighat University of Miami
%       haghighat@ieee.org
%       I WILL APPRECIATE IF YOU CITE OUR PAPER IN YOUR WORK.


if （nargin ~= 4）    % Check correct number of arguments
    error（‘Use correct number of input arguments!‘）
end

if size（img3） == 3 % Check if the input image is grayscale
    img = rgb2gray（img）;
end

img = double（img）;


%% Filtering

% Filter input image by each Gabor filter
[uv] = size（gaborArray）;
gaborResult = cell（uv）;
for i = 1:u
    for j = 1:v
        gaborResult{ij} = conv2（imggaborArray{ij}‘same‘）;
        % J{uv} = filter2（G{uv}I）;
    end
end


%% Feature Extraction

% Extract feature vector from input image
[nm] = size（img）;
s = （n*m）/（d1*d2）;
l = s*u*v;
featureVector = zeros（l1）;
c = 0;
for i = 1:u
    for j = 1:v
        
        c = c+1;
        gaborAbs = abs（gaborResult{ij}）;
        gaborAbs = downsample（gaborAbsd1）;
        gaborAbs = downsample（gaborAbs.‘d2）;
        gaborAbs = reshape（gaborAbs.‘[]1）;
        
        % Normalized to zero mean and unit variance. （if not applicable please comment this line）
        gaborAbs = （gaborAbs-mean（gaborAbs））/std（gaborAbs1）;
        
        featureVector（（（c-1）*s+1）:（c*s）） = gaborAbs;
        
    end
end


%% Show filtered images

% % Show real parts of Gabor-filtered images
% figure（‘Numbertitle‘‘Off‘‘Name‘‘Real parts of Gabor filters‘）;

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件      97397  2014-11-12 18:06  Gabor\GaborArray.jpg

     文件       3411  2014-11-12 18:06  Gabor\gaborFeatures.m

     文件       2509  2014-11-12 18:06  Gabor\gaborFilterBank.m

     目录          0  2015-03-23 20:42  Gabor

----------- ---------  ---------- -----  ----

               103317                    4