高级视觉之图像分类

这里所关注的问题：根据图像是否包含某个特定物体来分类图像、分类场景、分类材质
分类：提取图像（描述）特征、训练分类器（机器学习方法）、验证分类器

一、一起聊聊图像的特征提取吧！（更关注的是全局信息，而不是局部，比如布局等，所以经典的SIFT失效啦，但在构建视觉词典的时候还是能用到SIFT的）

方法一：GIST特征
32个gabor filter（8个orientation ，4 个scale），将卷积结果分为16个region，每个region求一个平均值，最终形成一个32*16=512维的特征向量，能表示梯度信息。
GIST特征常用来表示场景

方法二：visual word
图像特征由多个patch来描述，生成图像关于不同patch个数的直方图作为图像特征描述子
创建词典：由多个patch的sift描述子构成（每个patch有一个描述子），通过k-means方法，获得类型相似的patch描述子

生成图像的直方图：给定一个图像，提取所有特征点，特征点与其周围的像素点形成patch，特征点的sift描述子可作为patch的描述，依次与词典中patch做距离运算进行聚类，记录最近的类，为其个数加1。最终可以得到图像关于词典中特征出现个数的向量描述。
存在的问题：全局的统计信息，无法区分位置信息

Spatial pyramids 空间金字塔（构建多尺度金字塔 ，对visual word的改进）
多尺度体现在把图像分为不同个数的块（1、4、16块，在每个块上计算基于visual word的特征表示）

通常获取的特征向量维数太大，需要降维处理，因而引出数据降维

二、得到的特征向量太大了运算不好，于是乎人们提出了降维！

PCA:
选取使得样本间的方差最大的投影子空间
选取k个主要的投影子空间，得到k维的数据。
存在问题：仅仅是重建数据，对分类无益，引出了LDA，我们是对特征数据降维处理，自然是希望降维后的数据能保持区分性

LDA：
投影子空间使得类间差别最大，类内差别最小

终于获得了图像完美的数据特征（运算量可接受），下一步就可以训练分类器啦，然后分类图像。