官网的MATLAB代码，希望帮助到大家

使用Gabor小波滤波进行纹理提取,内附源代码，短小实用，值得下载！

基于Gabor小波滤波 MATLAB实现 纹理提取 滤波器

Gabor小波特征提取代码，希望对做人脸识别的朋友有所帮助。

这是一个使用了Gabor特征提取和人工智能的人脸检测系统源代码 使用步骤： 1. 拷贝所有文件到MATLAB工作目录下(确认已经安装了图像处理工具箱和人工智能工具箱) 2. 找到"main.m"文件 3. 命令行中运行它 4. 点击"Train Network"，等待程序训练好样本 5. 点击"Test on Photos"，选择一个.jpg图片，识别。 6. 等待程序检测出人脸区域

Log-Gabor-Filter：对数-Gabor过滤器

常用的偶对称Gabor滤波器的卷积实现和基于递归的快速实现。很简单的写了下，希望有一定帮助。

针对现有方法在高密度场景人群密度估计不够准确的问题，提出了Gabor滤波结合最小二乘支持向量机（LS-SVM）的人群密度估计算法。首先，设计一组单独的二维Gabor滤波器应用在人群图像中以产生相应的滤波通道。然后，通过计算这些通道上灰度值的均值和方差得到特征向量。最后，采用最小二乘支持向量机分析特征向量和人数之间的关系，完成最终的密度估计。在UCSD数据集和Mall数据集上的实验显示，提出的方法实现了更快的执行时间和更好的精度，证明了基于Gabor滤波器和LS-SVM的人群密度估计算法的有效性。

这是一篇关于gabor特征提取（并结合adboost降维），SVM分类的人脸表情识别的论文，文中较为详细的描述了如何进行特征提取和识别分类，可作为参考。

必须确定城市供水系统中特定类别的污染物。 传统的检测方法主要基于常见的水质指标。 然而，由于诸如分析时间长，灵敏度不足，对试剂的需要以及废液的产生等问题，使得检查这些水质指标变得困难。 这些问题阻碍了高频水的检测和监测。 在这项研究中，采用三维（3D）荧光光谱作为水质监测方法。 提出了一种基于二维（2D）Gabor小波和支持向量机（SVM）的多分类识别方法。 用于插值的Delaunay三角剖分方法用于预处理3D荧光光谱，从而消除了瑞利散射和拉曼散射。 提出了由不同比例和旋转角度的滤波器生成的二维Gabor小波函数，以提取光谱特征。 基于Gabor特征描述的块统计方法被用来提高描述光谱特征的效率。 然后，将多个SVM分类器用于污染物分类和识别。 通过将提出的方法与常用的特征提取方法主成分分析进行比较，本研究发现二维Gabor小波和块统计的应用可以有效地描述3D荧光光谱的特征。 此外，二维Gabor小波实现了很高的分类精度，特别是对于特征峰紧密定位或重叠的物质。