计算一组筛选描述符的PCA矩阵

Question

我想计算一个数据集的一般PCA矩阵，我将用它来减少筛选描述符的维数。我已经找到了一些算法来计算它，但是我找不到用MATLAB来计算它的方法。

有人可以帮助我吗？

Answer 1

[coeff, score] = princomp(X) 

是正确的做法，但知道如何使用它有点棘手。

我的理解是，你不喜欢的东西：

sift_image = sift_fun(img) 

它给你一个二进制图像：sift_feature？ （即使不是二进制，这仍然工作。）

输入，配制X：

要使用princomp/pca制订X，使得每个列是numel(sift_image)×1向量
（即sift_image(:)）
对所有图像都进行此操作，并将它们排列为X中的列。
因此，X将为numel(sift_image) x num_images。

如果你的图像尺寸不一样（例如像素尺寸不同，图像中或多或少的场景），那么你需要将它们带入一个共同的空间，这是一个完全不同的问题。

除非你的东西是二进制的，否则你可能想要在列方向（即标准化每个单独的图像）和行方向（取决于整个数据集）上对X进行去平均/归一化。

输出

score是一组本征矢量：这将是num_pixels * NUM_IMAGES。 得到的，说的第一特征向量回的图像形状，这样做：

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

等了组件的其余部分。有和输入图像一样多的组件。

coeff的每一行是可以应用于生成每个输入图像的num_images（等于num_components）权重集。即

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

其中input_image_1是正确的，原来的形状
系数_（1，:)是一个矢量（NUM_IMAGES×1）
得分是像素×NUM_IMAGES
（声明：我可以具有的列/行混在一起，但描述是正确的。）

这有帮助吗？

Answer 2

如果您有权访问统计工具箱，则可以使用命令princomp，或在最近的版本中使用命令pca。