用matlab實現(xiàn)gabor小波對圖片的紋理特征提取?matlab圖像處理??過程如下：(1)在matlab中，用gaborfilter.m程序?qū)崿F(xiàn)對三種農(nóng)作物(小麥、棉花和大豆)蚜蟲圖片的做gabor小波變換。(2)對gabor小波變換處理過的圖片在做二維卷積變換.(3)對上述經(jīng)過兩種變換后的圖片進(jìn)行均值和方差提取，作為分類特征(4)用libsvm對提取的特征進(jìn)行模型訓(xùn)練改天有時間把這些過程及代碼全部寫寫供大家學(xué)習(xí)討論。今天特寫一下libsvm的使用方法：訓(xùn)練模型?1.?進(jìn)入doc命令C:\libsvm\windows下面輸入：?svmtrain?heart_scale運行?則同目錄(C:\libsvm\windows)下會出現(xiàn)訓(xùn)練的模型文件heart_scale.model文件預(yù)測模型?1.格式?svmpredict?test_file?model_file?output_file?test_file?是要?predict?的數(shù)據(jù)。它的格式跟?svmtrain?的輸入，也就是?training_set_file?是一樣的?model_file?就是?svmtrain?出來?的檔案，?output_file?是存輸出結(jié)果的檔案。例如：?進(jìn)入doc命令C:\libsvm\windows下面輸入：?svmpredict?heart_scale?heart_scale.model?heart_scale.out?heart_scale.out文件得到分類結(jié)果?Svmtrain的用法：svmtrain?[options]?training_set_file?[model_file]Options：可用的選項即表示的涵義如下-s?svm類型：SVM設(shè)置類型(默認(rèn)0)0?--?C-SVC1?--v-SVC2?–?一類SVM3?--?e?-SVR4?--?v-SVR-t?核函數(shù)類型：核函數(shù)設(shè)置類型(默認(rèn)2)0?–?線性：u'v1?–?多項式：(r*u'v?+?coef0)^degree2?–?RBF函數(shù)：exp(-r|u-v|^2)3?–sigmoid：tanh(r*u'v?+?coef0)-d?degree：核函數(shù)中的degree設(shè)置(默認(rèn)3)-g?r(gama)：核函數(shù)中的?函數(shù)設(shè)置(默認(rèn)1/?k)-r?coef0：核函數(shù)中的coef0設(shè)置(默認(rèn)0)-c?cost：設(shè)置C-SVC，?-SVR和?-SVR的參數(shù)(默認(rèn)1)-n?nu：設(shè)置?-SVC，一類SVM和?-?SVR的參數(shù)(默認(rèn)0.5)-p?e：設(shè)置??-SVR?中損失函數(shù)?的值(默認(rèn)0.1)-m?cachesize：設(shè)置cache內(nèi)存大小，以MB為單位(默認(rèn)40)-e?：設(shè)置允許的終止判據(jù)(默認(rèn)0.001)-h?shrinking：是否使用啟發(fā)式，0或1(默認(rèn)1)-wi?weight：設(shè)置第幾類的參數(shù)C為weight?C(C-SVC中的C)(默認(rèn)1)-v?n:?n-fold交互檢驗?zāi)Ｊ?其中-g選項中的k是指輸入數(shù)據(jù)中的屬性數(shù)。option?-v?隨機(jī)地將數(shù)據(jù)剖分為n部分并計算交互檢驗準(zhǔn)確度和均方根誤差。以上這些參數(shù)設(shè)置可以按照SVM的類型和核函數(shù)所支持的參數(shù)進(jìn)行任意組合，如果設(shè)置的參數(shù)在函數(shù)或SVM類型中沒有也不會產(chǎn)生影響，程序不會接受該參數(shù)；如果應(yīng)有的參數(shù)設(shè)置不正確，參數(shù)將采用默認(rèn)值。training_set_file是要進(jìn)行訓(xùn)練的數(shù)據(jù)集；model_file是訓(xùn)練結(jié)束后產(chǎn)生的模型文件，文件中包括支持向量樣本數(shù)、支持向量樣本以及l(fā)agrange系數(shù)等必須的參數(shù)；該參數(shù)如果不設(shè)置將采用默認(rèn)的文件名，也可以設(shè)置成自己慣用的文件名。Svmpredict的用法：svmpredict?test_file?model_file?output_file?model_file是由svmtrain產(chǎn)生的模型文件；test_file是要進(jìn)行預(yù)測的數(shù)據(jù)文件；Output_file是svmpredict的輸出文件。svm-predict沒有其它的選項。svmtrain?-s?0?-c?1000?-t?1?-g?1?-r?1?-d?3data_file?訓(xùn)練一個由多項式核(u'v+1)^3和C=1000組成的分類器。svmtrain?-s?1?-n?0.1?-t?2?-g?0.5?-e?0.00001data_file?在RBF核函數(shù)exp(-0.5|u-v|^2)和終止允許限0.00001的條件下，訓(xùn)練一個?-SVM?(??=?0.1)分類器。svmtrain?-s?3?-p?0.1?-t?0?-c?10?data_file?以線性核函數(shù)u'v和C=10及損失函數(shù)?=?0.1求解SVM回歸。3.?svmscale?的用法?對數(shù)據(jù)集進(jìn)行縮放的目的在于：1)避免一些特征值范圍過大而另一些特征值范圍過小；2)避免在訓(xùn)練時為了計算核函數(shù)而計算內(nèi)積的時候引起數(shù)值計算的困難。因此，通常將數(shù)據(jù)縮放到[?-1,1]或者是[0,1]之間。用法：svmscale?[-l?lower]?[-u?upper]?[-y?y_lower?y_upper]?[-s?save_filename]?[-r?restore_filename]?filename?(缺省值：?lower?=?-1，upper?=?1，沒有對y進(jìn)行縮放)?其中，-l：數(shù)據(jù)下限標(biāo)記；lower：縮放后數(shù)據(jù)下限；-u：數(shù)據(jù)上限標(biāo)記；upper：縮放后數(shù)據(jù)上限；-y：是否對目標(biāo)值同時進(jìn)行縮放；y_lower為下限值，y_upper為上限值；-s?save_filename：表示將縮放的規(guī)則保存為文件save_filename；-r?restore_filename：表示將縮放規(guī)則文件restore_filename載入后按此縮放；?filename：待縮放的數(shù)據(jù)文件(要求滿足前面所述的格式)。縮放規(guī)則文件可以用文本瀏覽器打開，看到其格式為：?lower?upper?lval1?uval1?lval2?uval2?其中的lower?與upper?與使用時所設(shè)置的lower?與upper?含義相同；index?表?示特征序號；lval?為該特征對應(yīng)轉(zhuǎn)換后下限lower?的特征值；uval?為對應(yīng)于轉(zhuǎn)換后上限upper?的特征值。數(shù)據(jù)集的縮放結(jié)果在此情況下通過DOS窗口輸出，當(dāng)然也可以通過DOS的文件重定向符號“>”將結(jié)果另存為指定的文件。使用實例：1)?svmscale?–s?train3.range?train3>train3.scale?表示采用缺省值(即對屬性值縮放到[?-1,1]的范圍，對目標(biāo)值不進(jìn)行縮放)?對數(shù)據(jù)集train3?進(jìn)行縮放操作，其結(jié)果縮放規(guī)則文件保存為train3.range，縮放集的縮放結(jié)果保存為train3.scale。2)?svmscale?–r?train3.range?test3>test3.scale?表示載入縮放規(guī)則train3.range?后按照其上下限對應(yīng)的特征值和上下限值線?性的地對數(shù)據(jù)集test3?進(jìn)行縮放，結(jié)果保存為test3.scale。

創(chuàng)作挑戰(zhàn)賽新人創(chuàng)作獎勵來咯，堅持創(chuàng)作打卡瓜分現(xiàn)金大獎

總結(jié)

以上是生活随笔為你收集整理的matlab中的lower,请问：MATLAB中，有实现Gabor变换的函数吗？的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。