首页 | 新闻 | 新品 | 文库 | 方案 | 视频 | 下载 | 商城 | 开发板 | 数据中心 | 座谈新版 | 培训 | 工具 | 博客 | 论坛 | 百科 | GEC | 活动 | 主题月 | 电子展
返回列表 回复 发帖

空间金字塔方法表示图像(转)(2)

空间金字塔方法表示图像(转)(2)

4、空间金字塔匹配SPMBeyond Bags of Features: Spatial Pyramid Matching for Recognizing Natural Scene Categories
空间金字塔匹配Spatial Pyramid Matching(SPM),是一种利用空间金字塔进行图像匹配、识别、分类的算法。
如下图所示,将level(i)的图像划分为pow(4,i)cellbins),然后再每一cell上统计直方图特征,最后将所有level的直方图特征连接起来组成一个vector,作为图形的feature







上面的黑圆点、方块、十字星代表一副图像上某个pitch属于k-means后词典中的某个词;
        1)将图像划分为固定大小的块,如从左到右:1*12*24*4, 然后统计每个方块中词中的不同word的个数;
        2)从从左到右,统计不同level中各个块内的直方图;
        3)最后个将每个level中获得的直方图都串联起来,并且给每个level赋给相应的权重,从左到右权重依次增大
        4)将SPM放入SVM中进行训练和预测;
       论文中的实验过程如下:
        1)用 strong feature detectorSIFT进行特征检测,patch size=16*16patch每次移动的步长spacing grid=8*8
        2)按照BOF相同的方法(即KMeans)构建包含Mwordsdictionary

3)利用图像金字塔把图像划分为多个scalesbins(空间金字塔分层分网格),然后计算落入每个bins中属于不同类别的word的个数,则图像XY最终的匹配度(M为关键词个数)(个人对此匹配度核函数的理解是:这个核函数可当作SVM中的核函数,来匹配两幅图像是否为一类)

继承事业,薪火相传
返回列表