原文来自 Design-Based Texture Feature Fusion Using Gabor
Filters and Co-Occurrence Probabilities
提出了一种基于设计的Gabor滤波器与灰度共生概率(GLCP)特征相结合的纹理识别方法。融合特征集同时使用Gabor滤波器精确捕获低频和中频纹理信息的能力和GLCP在与高频分量相关的纹理信息方面的能力。评价方法包括c 消除特征空间的可分性，比较图像分割的分类率。相比于单个特征集的，融合的特征集被证明可以产生更高的分离的特征空间，以及更高的分割准确率。 对于有噪声的图像，融合特征集也优于单个特征集。利用主成分分析进行特征约简是可以保持分割性能的，而特征对比法的特征约简则大大降低了分割精度。
特征融合的一个缺点就是维度灾难
这一概念表明，在给定特定类的有限个特征向量的情况下，特征空间维数有一个限制，从而产生最大的精度。一旦特征维度超过这个限度，分类精度就开始下降。
