功能目录。支持向量机的图像特征提取

Posted 2023-03-12

【中文标题】功能目录。支持向量机的图像特征提取

【英文标题】：Catalog of Features. Feature extraction from images for SVM

【发布时间】：2013-11-20 08:31:46

【问题描述】：

我正在寻找用于在显微镜图像中分类细胞类型的可靠特征。我想知道最好的方法是什么。

1) 我尝试了 Pontil & Verii 描述的方法 - 使用标准化图像的每个像素作为特征。它很容易实现，但结果并不完全令人满意。另一个问题是 - 分类是通过某种统计魔法完成的，我不明白为什么有些结果不好。

2) 我尝试提取高级特征，例如峰、孔。我的实现速度很慢，但优点是我理解为什么一个单元格被识别为这样而另一个不是，因为您可以在测试图像中可视化这些特征。

3）最近我在一篇文章中发现了这样的功能：

角二阶， 距离、对比度、熵、反差距离、相关、均值 总和，差的均值，总和的熵，差的熵， 方差、和的方差、差的方差。

我想知道是否有一些标准库可以提取这些特征（最好是 C/C++）？ 是否有包含优点/缺点、用例描述等的功能类型目录？

提前感谢您的任何建议！

【问题讨论】：

the classification is done with some kind of statistic magic 这是否意味着您不喜欢 SVM 或者您指的是其他东西？

@MarcClaesen：不喜欢 SVM？一点也不！我指的是一组功能。在我的第二种方法中，我能够独立评估每个功能。那些有小标准的。所有训练实例的偏差将提高识别率（正如我的直觉告诉我的那样）。我已经构建了一个评估可插入参数化功能的工具。所以我可以半自动地确定特定特征的最佳参数（例如峰特征的峰高）。在第一种方法中，功能非常低级并且具有非常大的标准。偏差。所以每个特征对结果的贡献是模糊的。

你能上传一些示例图片吗？

@GilLevi：我希望有一个目录，它不依赖于分辨率、强度变化、噪声等。我认为我的特定图像不相关。但是，如果您有兴趣，它们看起来与文章中的相似：bioinformatics.oxfordjournals.org/content/24/1/94.full.pdf

@ValentinHeinitz，您似乎对图像处理感兴趣-您能否帮助我们打开这个专门的小组：area51.stackexchange.com/proposals/66531/computer-vision/72084 只需对不到 10 票赞成的问题进行投票。谢谢。

【参考方案1】：

我认为 Insight Segmentation and Registration Toolkit (ITK) 或 Visualization Toolkit (VTK) 会很好用。

其他一些选项（可能不一定包含您想要的所有功能）是

http://opencv.org/ http://gdal.org/ http://www.vips.ecs.soton.ac.uk/index.php?title=VIPS http://www.xdp.it/cximage.htm

【讨论】：

我不是在寻找图像处理工具包，而是在寻找独立于工具包的功能描述。具有命名功能、用例描述和可能引用特定实现的目录。

您似乎对图像处理感兴趣 - 您能否帮助我们打开这个专门的小组：area51.stackexchange.com/proposals/66531/computer-vision/72084 只需对不到 10 票赞成的问题进行投票。谢谢。

【参考方案2】：

我可以推荐 Lindblad 等人的 this article，该作者发表在科学杂志 Cytometry 上。它涵盖了细胞特征提取和分类的某些方面。它不使用任何标准库进行特征提取/分类，但它包含一些有关如何基于一般特征构建分类器的信息。

这可能无法完全解决您的问题，但我希望它可以帮助您找到更好的解决方案。

【讨论】：

+1：谢谢！！！谷歌搜索 Lindblad 给我带来了几篇有趣的文章。 （例如bioinformatics.oxfordjournals.org/content/24/1/94.full.pdf）

由于没有一个答案是我想要的，我想给你赏金。 Lindblad 的一些文章给了我非常好的想法，如何进行。但是，我不会选择您的答案，因为它没有回答问题。希望没事。

感谢您的赏金！我没想到我的答案会被接受，因为它没有回答问题。我只是希望它会有所帮助，我很高兴它做到了。

【参考方案3】：

您应该尝试 Gabor 特征提取技术，因为它应该提取与人类视觉皮层细胞非常相似的特征...通过将过滤器设置为不同的方向和比例，然后从每个设置中提取特征。 你可以从Wikipedea开始学习

【讨论】：

+1：谢谢，看起来很有趣。这就是我正在寻找的 - 如何检测特征，作为人类会检测到它。但是，它只是一种特征提取技术，而不是目录。

不客气......是的，没有功能目录......但可能深入学习它可能会导致一些了解自己

【参考方案4】：

终于找到了我想要分享的内容： https://sites.google.com/site/cvonlinewiki/home/geometric-feature-extraction-methods

这个列表看起来相当成熟和完整。

编辑 另一篇关于生物细胞特征的好文章是：

A feature set for cytometry on digitized microscopic images

对形状特征的良好描述： http://www.math.uci.edu/icamp/summer/research_11/park/shape_descriptors_survey.pdf