image-processing - 如何从可变数量的图像描述符 (SURF) 创建单个恒定长度特征向量

Question

我的问题如下:

• 我有 6 种类型的图像，或 6 个类别。例如猫、狗、鸟等。
• 对于每种类型的图像，我都有该图像的许多变体。例如棕猫、黑狗等。
• 我目前正在使用支持向量机 (SVM) 通过一对一分类对图像进行分类。我将每个图像展开为单个像素向量，并将其用作给定图像的特征向量，我体验到了不错的分类精度，但我想尝试一些不同的东西。
• 我想使用图像描述符，特别是 SURF 特征，作为每个图像的特征向量。这个问题是，每个给定图像只能有一个特征向量，并且从特征提取过程中获得了可变数量的 SURF 特征。例如，一张猫的图片可能会给我 40 个 SURF 特征，而一张狗的图片会给我 68 个 SURF 特征。我可以选择 n 个最强的特征，但我无法保证所选的 SURF 特征是描述我的图像的特征(例如，它可以聚焦于背景)。也不能保证找到任何 SURF 功能。

所以，我的问题是，如何获得许多观察结果(每个观察结果都是 SURF 特征向量)，并将这些观察结果“折叠”成单个特征向量，该特征向量描述原始图像并可以馈送到 SVM 进行训练？

感谢您的帮助!

Answer 1

通常，SURF 描述符使用 K 均值字典进行量化，并聚合成一个 l1 归一化直方图。因此，您对 SVM 算法的输入现在大小是固定的。