本地二進制碼型邏輯

我對LBP算法的直方圖有疑問。比方說，我有一個1000x1000的圖像，我將這個圖像分成4個250x250的子圖像，據我所知，我應該計算每個子圖像直方圖生成59個位置（統一LBP版本）的直方圖矢量。本地二進制碼型邏輯

我的疑問是，維基百科文章說我必須連接每個直方圖向量來生成特徵向量，所以我的圖像的特徵向量是一個有236個位置的向量？ 59個位置* 4個子圖像。

計算整個圖像並生成一個59位置直方圖矢量作爲我的特徵矢量是錯誤的嗎？

謝謝！

來源

2016-11-09 user3533910

隨着更多的分裂，你會得到更多關於圖像的信息：圖像不同部分的紋理是什麼。沒有分裂，你只有一個平均的紋理。試想一下，你想從直方圖中識別出一隻貓，或者從100×100像素的圖像中識別出一隻貓。

來源

2016-11-09 20:05:15 sebesbal

如果我想區分地形，這仍然是真的嗎？我有一個草地紋理類和一個類的瀝青紋理，事情是：我想分類這些類型的紋理和我的分類算法缺少了很多，當我使用另一個數據集不是由我的LBP生成的分類算法可以很好地區分命中率，所以我只能假設我的LBP沒有做它應該做的事情，而且我沒有切分圖像並連接特徵向量，我認爲，因爲我想將整體分類爲紋理A或BI可以這樣做。 – user3533910

如果圖片完全一致，您可以跳過分割。但如果以這種方式訓練分類器，然後給它一隻貓（不均勻），它可以很容易地根據直方圖分類爲瀝青，而分辨率越高（分裂），分類器就會檢測到不均勻性。無論如何，如果您的分類器在訓練和測試期間表現不同，那麼您的訓練數據集不夠。 – sebesbal

我明白了，如果我將圖像分割成4個子圖像，我有236個位置的特徵向量（如果我計算標籤字段爲237），則我需要花費多長時間對圖像進行分類，但是如果我將我的圖像分成10個子圖像，這個特徵矢量增長到590個位置，這只是一個圖像！這就是爲什麼當文章中提到「連接每個直方圖」時，我認爲我理解錯了。 – user3533910

本地二進制碼型邏輯

回答

相關問題