道路检测相关研究多基于KITTI等车道公开数据集展开，由于车道与人行道存在颜色、材质和周围环境等差异，准确地检测出人行道区域成为一个需要解决的问题。本文将应用场景设置为室外人行道，提出了一种改进的基于多特征融合的人行道检测算法。首先使用SLIC超像素算法获取超像素图以减少噪声干扰和后续训练维度；然后计算各超像素块特征，利用新的Gabor滤波器纹理提取方法降低时间复杂度，并加入基于主成分分析（PCA）的光照不变空间特征和三维的深度梯度特征提高检测准确度，选用Adaboost分类器对融合的特征向量进行训练并预测人行道区域；最后采用马尔可夫随机场对分割结果进行优化。本方法是通用的，不依赖于道路外观和结构的先验，在创建的人行道数据集上进行实验，证明了该算法的有效性。

GLCM，GLDS，LBP，GMRF，Gabor一些常用的纹理特征提取方法汇总，希望对大家有所帮助。

基于Gabor滤波器的图像纹理特征提取，Gabor filter，texture

这是图像处理中，一种重要的纹理分析算法，通过Gabor变换，可以分析图像的纹理特征，以便于图像理解-gabor

gabor提取纹理特征有解释 很好用 可以运行