用于有效分类的最小纹理图像尺寸

Question

Iam是图像挖掘中的初学者。我想知道纹理图像有效分类所需的最小尺寸。正如我觉得如果图像太小，特征提取步骤将不会提取足够的特征。如果图像尺寸超出一定尺寸，则处理时间将随着图像尺寸呈指数增长。

Answer 1

这是一个复杂的问题，需要一点思考。

简短回答：这要看。

长答案：它取决于要分类的纹理类型以及分类所基于的特征类型。如果提取的特征只是颜色，那么可以使用小到1x1像素的“纹理”（在这种情况下，使用“纹理”这个词有点滥用）。如果要分类，比如说字符，通常可以从边缘提取大量本地信息（Hough transform,Gabor filters等）。图像平面必须足够大以容纳字符（例如，对于Latin alphabet，请使用16x16像素）。

如果您希望能够对任何类型的图像进行分类的任何数量的，你也可以立足于全球信息的分类，像entropy，correlogram，能源，惯性，cluster shade，cluster prominence，颜色和correlation。这些功能用于content based image retrieval。

从我的头顶，我会尝试使用纹理小到32x32像素，如果那种你正在使用的纹理是先验未知。如果相反，纹理的种类是先验已知，我会选择一个或多个功能，我知道将根据我的需要（1x1像素为纯色，16x16像素的字符等）分类图像。再一次，这取决于你想要达到的目标。你的问题没有独特的答案。