計算一組篩選描述符的PCA矩陣

Question

我想計算一個數據集的一般PCA矩陣，我將用它來減少篩選描述符的維數。我已經找到了一些算法來計算它，但是我找不到用MATLAB來計算它的方法。

有人可以幫助我嗎？

Answer 1

[coeff, score] = princomp(X) 

是正確的做法，但知道如何使用它有點棘手。

我的理解是，你不喜歡的東西：

sift_image = sift_fun(img) 

它給你一個二進制圖像：sift_feature？ （即使不是二進制，這仍然工作。）

輸入，配製X：

要使用princomp/pca制訂X，使得每個列是numel(sift_image)×1向量
（即sift_image(:)）
對所有圖像都進行此操作，並將它們排列爲X中的列。
因此，X將爲numel(sift_image) x num_images。

如果你的圖像尺寸不一樣（例如像素尺寸不同，圖像中或多或少的場景），那麼你需要將它們帶入一個共同的空間，這是一個完全不同的問題。

除非你的東西是二進制的，否則你可能想要在列方向（即標準化每個單獨的圖像）和行方向（取決於整個數據集）上對X進行去平均/歸一化。

輸出

score是一組本徵矢量：這將是num_pixels * NUM_IMAGES。 得到的，說的第一特徵向量回的圖像形狀，這樣做：

first_component = reshape(score(:,1),size(im)); 

等了組件的其餘部分。有和輸入圖像一樣多的組件。

coeff的每一行是可以應用於生成每個輸入圖像的num_images（等於num_components）權重集。即

input_image_1 = reshape(score * coeff(:,1) , size(original_im)); 

其中input_image_1是正確的，原來的形狀
係數_（1，:)是一個矢量（NUM_IMAGES×1）
得分是像素×NUM_IMAGES
（聲明：我可以具有的列/行混在一起，但描述是正確的。）

這有幫助嗎？

Answer 2

如果您有權訪問統計工具箱，則可以使用命令princomp，或在最近的版本中使用命令pca。