图像的特征提取是如何进行的?
1 1367
0
该提问暂无详细描述
收藏
2021-01-09 14:22 更新 karry •  4552
共 1 个回答
高赞 时间
0

这个问题没有一个单一的答案,因为有很多不同的方法可以从图像中提取特征。 首先,什么叫特征? “某物的独特属性或方面。”因此,特征是为特定实例提供一组值,以使该实例与对应实例有所不同。 在图像领域,特征可能是简单的原始像素,例如众所周知的Mnist数据集的数字识别。 但是,在自然图像中,使用简单图像像素的描述是不够的。 我们有两个主要方面可以遵循。 一种是使用人工设计的特征提取方法(例如SIFT,VLAD,HOG,GIST,LBP),另一种方法是学习在给定上下文中具有区别性的特征(例如稀疏编码,自动编码器,受限玻尔兹曼机,PCA,ICA,K-均值)。请注意,第二种替代方法是当今的热点。 举个例子, SIFT(尺度不变特征变换)是一种先进的手工设计方法。SIFT首先检测图像中的边缘和角落。 在生成的图像上,SIFT尝试找到将该图像与其他图像区分开的点(也称为兴趣区域)。 然后,从每个ROI(感兴趣区域)中提取一个直方图,其中每个面元都是特定边或角方向的计数。 这些直方图可以通过聚类方法(例如K均值)进行连接或量化为一些较小的组。(我在这里非常简单地解释了SIFT,因为确切的表达方式更加复杂,并且需要一定程度的计算机视觉和微积分知识)。 下面是一些SIFT数据。 边缘检测 直方图计算

收藏
2021-01-09 14:31 更新 anna •  5050