连接SURF特征和氡特征来训练SVM

是否可以连接2个bagoffeatures对象来训练分类器？连接SURF特征和氡特征来训练SVM

我已经训练使用SURF点由以下分类：

extractorFcn = @SURFBOW; 
bag = bagOfFeatures(trainingSets,'CustomExtractor',extractorFcn);

其中SURFBOW包含：

[height,width,numChannels] = size(I); 
if numChannels > 1 
    grayImage = rgb2gray(I); 
else 
    grayImage = I; 
end 
multiscaleSURFPoints = detectSURFFeatures(grayImage,'MetricThreshold',100); 
features = extractFeatures(grayImage, multiscaleSURFPoints,'Upright',true); 
featureMetrics = multiscaleSURFPoints.Metric;

并遵循Matlab的例子：http://www.mathworks.com/help/vision/examples/image-category-classification-using-bag-of-features.html?refresh=true

接下来，我做了什么类似于使用另一个提取器函数但使用RadonBOW（I）提取图像的氡特征，如下所示：

[height,width,numChannels] = size(I); 
if numChannels > 1 
    grayImage = double(rgb2gray(I)); 
else 
    grayImage = double(I); 
end 



dx = imfilter(grayImage,fspecial('sobel')); % x, 3x3 kernel 
dy = imfilter(grayImage,fspecial('sobel')'); % y 
gradmag = sqrt(dx.^2 + dy.^2); 

% mask by disk 
R = min(size(grayImage)/2); % radius 
disk = insertShape(zeros(size(grayImage)),'FilledCircle', [size(grayImage)/2,R]); 
mask = double(rgb2gray(disk)~=0); 
gradmag = mask.*gradmag; 

% radon transform 
theta = linspace(0,180,179); 
vars = zeros(size(theta)); 
for u = 1:length(theta) 
    [rad,xp] =radon(gradmag, theta(u)); 
    indices = find(abs(xp)<R); 
    % ignore radii outside the maximum disk area 
    % so you don't sum up zeroes into variance 
    vars(u) = var(rad(indices)); 
end 
features = vars/norm(vars); 
featureMetrics = var(features);

我收到每个公平的结果。无论如何要结合这些来训练使用氡和SURF点的分类器吗？

（我也试图通过使用k均值的手工做的氡BOW方法，但是，我得到了非常差的结果，所以我相信这是不正确的）

谢谢！

来源

2016-03-03 User404

当您使用bagOfFeatures时，您可以调用encode方法，该方法将图像返回一个特征包的直方图。您可以将该直方图与您的Radon功能连接为相同的图像，然后进行训练。

来源

2016-03-03 20:21:29 Dima

感谢您的回应！所以我试图按照你所说的，只是为了澄清，我不能再使用：categoryClassifier = trainImageCategoryClassifier（trainingSets，bag）; confMatrix1 = evaluate（categoryClassifier，trainingSets）;我必须使用分类器= fitcecoc（featureVector，trainingLabels）; predicttrainLabels = predict（classifier，featureVector）; 我这样做了，而且我首先使用一个提取函数进行了测试，但是我得到的验证分类结果很差。你为什么会这样做？再次感谢你。 – User404

这是正确的，您将无法再使用'trainImageCategoryClassifier'。我能想到的唯一的事情就是在你调用'fitcecoc'之前，你必须规范你的特性，以便每个元素的范围在-1和1之间。 – Dima

好吧！我会试试。谢谢！ – User404

连接SURF特征和氡特征来训练SVM

回答

相关问题