Вейвлеты Габора

Вейвлеты Габора — это набор комплексных элементарных функций (вейвлетов), получаемых путём масштабирования и поворота материнского вейвлета, который представляет собой гармоническое колебание (синусоиду), модулированное гауссовой функцией (колоколообразной кривой). Названы в честь венгерско-британского физика Денеша Габора, который в 1946 году ввёл понятие элементарных сигналов (габоров), обеспечивающих наилучшее совместное разрешение во временной и частотной областях. Вейвлеты Габора широко используются в обработке изображений, компьютерном зрении, анализе текстур, распознавании образов и сейсмологии благодаря своей способности моделировать рецептивные поля простых клеток зрительной коры млекопитающих.

Математическое определение

Материнский вейвлет Габора в непрерывной форме представляет собой комплексную функцию:

\[ g(x, y) = \exp\left(-\frac{x'^2 + \gamma^2 y'^2}{2\sigma^2}\right) \cdot \exp\left(i \cdot 2\pi \frac{x'}{\lambda}\right) \]

где:

\(x' = x \cos\theta + y \sin\theta\) и \(y' = -x \sin\theta + y \cos\theta\) — координаты, повёрнутые на угол \(\theta\);
\(\lambda\) — длина волны гармонической составляющей;
\(\theta\) — ориентация полос вейвлета;
\(\sigma\) — стандартное отклонение гауссовой огибающей, определяющее размер окна;
\(\gamma\) — коэффициент сжатия (пространственного соотношения сторон), обычно \(\gamma = 1\) для изотропного случая.

Реальная и мнимая части вейвлета Габора соответствуют косинусоидальной и синусоидальной модуляции, что позволяет выделять как амплитудную, так и фазовую информацию сигнала.

Свойства

Оптимальная локализация: вейвлеты Габора минимизируют произведение неопределённостей по времени и частоте (принцип неопределённости Габора), достигая теоретического предела, задаваемого соотношением Габора — Гейзенберга.
Комплексность: комплексная форма позволяет разделять амплитуду и фазу, что важно для анализа интерференционных картин и движения.
Масштабируемость: изменение параметра \(\lambda\) и \(\sigma\) позволяет анализировать сигналы на разных пространственных частотах.
Ориентационная селективность: варьирование \(\theta\) даёт возможность выделять структуры с определённым направлением.

История

В 1946 году Денеш Габор, работая над проблемой передачи информации по телефонным линиям, предложил разложение сигнала на элементарные функции, названные им «логами» (logons). Эти функции представляли собой синусоиды, модулированные гауссовыми импульсами, и обеспечивали наилучшее совместное разрешение во времени и частоте. В 1980-х годах, с развитием теории вейвлетов, идеи Габора были адаптированы для многомасштабного анализа. Первое применение вейвлетов Габора в компьютерном зрении связано с работами Джона Догерти (John Daugman) в 1985 году, который показал, что они хорошо моделируют рецептивные поля простых клеток зрительной коры кошек. В 1990-х годах вейвлеты Габора стали основой для систем распознавания лиц, анализа текстур и медицинской визуализации.

Применение

Обработка изображений и компьютерное зрение

Вейвлеты Габора являются одним из основных инструментов для анализа текстур. Набор фильтров Габора с различными масштабами и ориентациями образует банк фильтров, который позволяет выделять признаки, такие как ориентация, частота и контраст. Это используется в:

Распознавании лиц: системы, основанные на фильтрах Габора, извлекают характерные точки (например, глаза, нос) и сравнивают их с эталонными изображениями. Один из известных методов — Elastic Bunch Graph Matching (EBGM).
Анализе отпечатков пальцев: вейвлеты Габора применяются для выделения папиллярных линий и их ориентации.
Сегментации изображений: разделение изображения на области с однородной текстурой (например, в медицине для выделения тканей на снимках МРТ или КТ).
Обнаружении краёв и линий: фильтры Габора чувствительны к границам объектов с определённой ориентацией.

Сейсмология и геофизика

В сейсморазведке вейвлеты Габора используются для анализа временных рядов сейсмических сигналов. Они позволяют выделять отражённые волны от различных геологических слоёв, подавлять шумы и определять спектральные характеристики сигнала во времени. В России метод применяется при обработке данных сейсморазведки для поиска нефтяных и газовых месторождений.

Биология и нейронауки

Вейвлеты Габора точно аппроксимируют рецептивные поля простых клеток первичной зрительной коры (V1) млекопитающих. Это делает их естественной моделью для изучения зрительного восприятия: выделения контуров, ориентации, движения и пространственных частот. В нейрофизиологии фильтры Габора используются для синтеза стимулов при исследовании реакции нейронов.

Обработка речи и аудиосигналов

Хотя вейвлеты Габора чаще применяются к двумерным сигналам, их одномерные аналоги (габоровы вейвлеты) используются для анализа речевых сигналов. Они позволяют выделять формантные частоты и временные характеристики звуков, что применяется в системах распознавания речи и синтеза.

Классификация фильтров Габора

По размерности

Одномерные (1D): применяются для анализа временных рядов (сейсмика, ЭЭГ, аудио).
Двумерные (2D): наиболее распространены, используются для изображений.
Трёхмерные (3D): применяются в видеоанализе и томографии.

По типу модуляции

Реальные (косинусные): выделяют амплитудную информацию, чувствительны к фазе.
Мнимые (синусные): чувствительны к перепадам яркости.
Комплексные: объединяют оба типа, дают полную информацию.

По масштабу и ориентации

Банк фильтров Габора обычно включает 4–8 ориентаций (0°, 45°, 90°, 135° и т. д.) и 3–5 масштабов (разные длины волн). Например, в системах распознавания лиц часто используют 5 масштабов и 8 ориентаций, что даёт 40 фильтров.

Сравнение с другими методами