SVM 用于图像特征分类?
Posted
技术标签:
【中文标题】SVM 用于图像特征分类?【英文标题】:SVM for image feature classification? 【发布时间】:2012-03-13 23:19:20 【问题描述】:我实现了空间金字塔匹配算法设计的
Lazebnik 在 Matlab 中,最后一步是做 svm
分类。在这一点上,我完全不明白我是如何
应该按照我应该向svmtrain
提供的输入和
svmclassify
函数获取特征点坐标对
最后训练和测试图像。
我有:
火车图像上SIFT
特征点的坐标
SIFT 特征点在火车图像上的坐标
训练图像的交叉核矩阵
测试图像的交叉核矩阵。
我应该使用哪一个?
【问题讨论】:
【参考方案1】:SVM 分类器期望输入一组由元组表示的对象(图像),其中每个元组是一组数字属性。一些图像特征(例如灰度直方图)以适合训练 SVM 的数值向量的形式提供图像表示。然而,像 SIFT 这样的特征提取算法将为每张图像输出一组向量。所以问题是:
我们如何将这组特征向量转换为代表图像的唯一向量?
要解决这个问题,您必须使用一种称为bag of visual words 的技术。
【讨论】:
我知道视觉词袋,Lazebnik 论文就是这样。我的问题是如何获取匹配两个图像的空间信息,而不是说它们相似。我想知道在使用直方图/字典/弓时,SVM 的应用是否会让我更接近这一点,或者通常不可能在特征点之间进行精确匹配?【参考方案2】:问题在于点的数量不同,SVM 期望特征向量在训练和测试中的大小相同。
【讨论】:
【参考方案3】:SIFT特征点在火车图像坐标上的坐标 火车图像上的SIFT特征点
坐标对 SVM 没有帮助。
我会使用:
-
找到的SIFT特征点的个数
将图像分割成小矩形,并使用 SIFT 特征点的存在
特定的矩形作为布尔特征值。那么该特征就是 rect/SIFT 特征类型
组合。对于您获得的 N-Rects 和 M-SIFt 特征点类型
N*M 个特征。
第二种方法需要图像的空间归一化 - 相同的大小,相同的旋转
P.S.:我不是机器学习方面的专家。我只是在显微镜图像中做了一些关于细胞识别的实验。
【讨论】:
以上是关于SVM 用于图像特征分类?的主要内容,如果未能解决你的问题,请参考以下文章
图像分类基于matlab HOG+SVM图像分类识别含Matlab源码 2141期
基于 HOG 特征的 SVM 分类器用于 OpenCV 中的“对象检测”