使用主成分分析进行角点特征提取

信息处理 图像处理 matlab 计算机视觉
2022-02-16 08:09:29

我正在进行一个从图像中识别车辆类型(MUV、吉普车、轿车等)的项目,这是我到目前为止所做的matlab

我只处理图像的侧视图。

输入图像:蒙版图像


输入和蒙版图像


然后我很容易检测到角落

harris 方法检测的角点


现在我得到了一个C带有40角坐标的矩阵,因此我得到了一个矩阵,C=[40x2]
我将它转换为线性形式,C=C(:);所以我得到C=[1x80]了 1 个图像(因为神经网络会破坏坐标信息本身)
但是每个类大约有 9 个图像(MUV,Jeep ,Sedan) 所以我用 C 矩阵制作了一个矩阵来形成一个新的矩阵说MAT=[9x80]

现在我有一个角功能MAT=[9x80]
1. 我可以使用哪些其他功能,或者角功能本身就足够了。(可能是 SURF 功能)
2. NN 的输入格式是inMAT=[nxm]位置n=number of featuresm=total images目标格式是tgMAT=[cxm]位置c=number of classes(MUV,轿车,jeep) 和 'm = 总图像'。我在这里吗?

1个回答

神经网络可以处理非线性可分的类,但它们也不是魔法。他们仍然假设平滑的决策边界,我认为您的数据不会有这些。

在您尝试将相同的数据提供给 SVM、RVM、随机森林或任何其他分类器之前:我认为角坐标对于任何现成的分类算法都不是很好的特征。机器学习中的典型输入向量类似于{age,weight,height,eye color},其中对于每个输入向量,索引 2 表示“权重”。在您的输入向量中,索引 2 有时可能是汽车前轮附近的某个角落,而在另一种情况下,它是车顶附近的一个角落。

您是否尝试过更简单的形状描述符,例如傅立叶描述符或 Hu 矩?