2012-02-23 132 views
2

我實現了空間金字塔匹配算法通過 Lazebnik在Matlab設計的最後一步是做SVM分類 。在這一點上,我完全不明白我應該如何做到這一點,我應該提供什麼樣的輸入到svmtrainsvmclassify功能,以最終得到火車和測試圖像的特徵點座標對。支持圖像特徵分類的SVM?

我有:的SIFT特徵點

  • 座標系圖像上的SIFT特徵點
  • 座標系圖像上
  • 列車圖像
  • 相交內核矩陣
  • 相交內核矩陣測試圖像。

這些我應該使用哪一個?

+0

你解決了嗎? – 2013-04-18 07:31:36

回答

1

SVM分類器期望作爲輸入的一組對象(圖像)由元組表示,其中每個元組是一組數字屬性。一些圖像特徵(例如,灰度級直方圖)以適於訓練SVM的數值向量的形式提供圖像表示。但是,像SIFT這樣的特徵提取算法會爲每個圖像輸出一組向量。所以問題是:

我們該如何將這組特徵向量轉換爲一個唯一的表示圖像的向量?

要解決此問題,您將不得不使用稱爲bag of visual words的技術。

+0

我知道關於視覺詞語的包,Lazebnik紙是關於它的。我的問題是如何獲得匹配兩幅圖像的空間信息,而不是說它們是相似的。我想知道SVM的應用是否會讓我更接近或者不接近,或者在使用直方圖/詞典/弓時使用特徵點之間進行精確匹配通常是不可能的? – Asya 2012-02-24 09:26:38

0

問題是點的數量不同,SVM希望特徵向量與列車和測試的大小相同。對 SIFT特徵點的火車圖像座標的SIFT特徵點

0

座標系圖像

座標不會爲SVM幫助上。

我會使用:

  1. 數目發現SIFT特徵點的
  2. 段在小rects的圖像,並使用在 特定矩形作爲布爾特徵的SIFT特徵點的存在值。該功能則是rect/SIFT-feature類型 的組合。獲取N-Rects和M-SIFt特徵點類型 N * M個特徵。

第二種方法需要圖像的空間標準化 - 相同的大小,相同的旋轉

P.S:我不是在ML專家。我只做過一些關於顯微鏡圖像細胞識別的實驗。