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程序實現(xiàn)對三種農作物(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行均值和方差提取，作為分類特征(4)用libsvm對提取的特征進行模型訓練改天有時間把這些過程及代碼全部寫寫供大家學習討論。今天特寫一下libsvm的使用方法：訓練模型?1.?進入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)訓練的模型文件heart_scale.model文件預測模型?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?是存輸出結果的檔案。例如：?進入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設置類型(默認0)0?--?C-SVC1?--v-SVC2?–?一類SVM3?--?e?-SVR4?--?v-SVR-t?核函數(shù)類型：核函數(shù)設置類型(默認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設置(默認3)-g?r(gama)：核函數(shù)中的?函數(shù)設置(默認1/?k)-r?coef0：核函數(shù)中的coef0設置(默認0)-c?cost：設置C-SVC，?-SVR和?-SVR的參數(shù)(默認1)-n?nu：設置?-SVC，一類SVM和?-?SVR的參數(shù)(默認0.5)-p?e：設置??-SVR?中損失函數(shù)?的值(默認0.1)-m?cachesize：設置cache內存大小，以MB為單位(默認40)-e?：設置允許的終止判據(jù)(默認0.001)-h?shrinking：是否使用啟發(fā)式，0或1(默認1)-wi?weight：設置第幾類的參數(shù)C為weight?C(C-SVC中的C)(默認1)-v?n:?n-fold交互檢驗模式?其中-g選項中的k是指輸入數(shù)據(jù)中的屬性數(shù)。option?-v?隨機地將數(shù)據(jù)剖分為n部分并計算交互檢驗準確度和均方根誤差。以上這些參數(shù)設置可以按照SVM的類型和核函數(shù)所支持的參數(shù)進行任意組合，如果設置的參數(shù)在函數(shù)或SVM類型中沒有也不會產生影響，程序不會接受該參數(shù)；如果應有的參數(shù)設置不正確，參數(shù)將采用默認值。training_set_file是要進行訓練的數(shù)據(jù)集；model_file是訓練結束后產生的模型文件，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)如果不設置將采用默認的文件名，也可以設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產生的模型文件；test_file是要進行預測的數(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)避免在訓練時為了計算核函數(shù)而計算內積的時候引起數(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進行縮放)?其中，-l：數(shù)據(jù)下限標記；lower：縮放后數(shù)據(jù)下限；-u：數(shù)據(jù)上限標記；upper：縮放后數(shù)據(jù)上限；-y：是否對目標值同時進行縮放；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?與使用時所設置的lower?與upper?含義相同；index?表?示特征序號；lval?為該特征對應轉換后下限lower?的特征值；uval?為對應于轉換后上限upper?的特征值。數(shù)據(jù)集的縮放結果在此情況下通過DOS窗口輸出，當然也可以通過DOS的文件重定向符號“>”將結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，對目標值不進行縮放)?對數(shù)據(jù)集train3?進行縮放操作，其結果縮放規(guī)則文件保存為train3.range，縮放集的縮放結果保存為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的特征值和上下限值線?性的地對數(shù)據(jù)集test3?進行縮放，結果保存為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

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)站內容還不錯，歡迎將生活随笔推薦給好友。