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

SVM:向从图像中提取的特征向量添加临床特征

如何在 Matlab 中提高 SVM 训练和分类的准确性?

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”

路面分类基于matlab灰度共生矩阵图形纹理检测+SVM路面状况分类含Matlab源码 1519期

opencv学习笔记SVM+HOG