連接SURF特徵和氡特徵來訓練SVM

是否可以連接2個bagoffeatures對象來訓練分類器？連接SURF特徵和氡特徵來訓練SVM

我已經訓練使用SURF點由以下分類：

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;

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

接下來，我做了什麼類似於使用另一個提取器函數但使用RadonBOW（I）提取圖像的氡特徵，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);

我收到每個公平的結果。無論如何要結合這些來訓練使用氡和SURF點的分類器嗎？

（我也試圖通過使用k均值的手工做的氡BOW方法，但是，我得到了非常差的結果，所以我相信這是不正確的）

謝謝！

來源

2016-03-03 User404

當您使用bagOfFeatures時，您可以調用encode方法，該方法將圖像返回一個特徵包的直方圖。您可以將該直方圖與您的Radon功能連接爲相同的圖像，然後進行訓練。

來源

2016-03-03 20:21:29 Dima

感謝您的迴應！所以我試圖按照你所說的，只是爲了澄清，我不能再使用：categoryClassifier = trainImageCategoryClassifier（trainingSets，bag）; confMatrix1 = evaluate（categoryClassifier，trainingSets）;我必須使用分類器= fitcecoc（featureVector，trainingLabels）; predicttrainLabels = predict（classifier，featureVector）; 我這樣做了，而且我首先使用一個提取函數進行了測試，但是我得到的驗證分類結果很差。你爲什麼會這樣做？再次感謝你。 – User404

這是正確的，您將無法再使用'trainImageCategoryClassifier'。我能想到的唯一的事情就是在你調用'fitcecoc'之前，你必須規範你的特性，以便每個元素的範圍在-1和1之間。 – Dima

好吧！我會試試。謝謝！ – User404

連接SURF特徵和氡特徵來訓練SVM

回答

相關問題