转载-直方图交叉核

看PHOG的论文中有提到交叉核函数，博客上有篇整理的很好，所以转载过来，图片我换了一下，因为好像觉得原文有点问题，所以有小改动
原文地址：https://blog.csdn.net/hong__fang/article/details/50550656
本文主要介绍：直方图交叉核（Histogram intersection kernel）又称 Pyramid match kernel，本文主要介绍其原理与计算方法。

1. 基本思想

直方图交叉核（Histogram intersection kernel）又称Pyramid match kernel，该核是一种基于隐式对应关系的内核函数，解决了无序、可变长度的矢量集合的判别分类的问题。这个内核可以证明是正定的，并且还有诸多优势。

这个内核的基本思想是将特征集映射到多分辨率超平面中去，然后对这些超面进行比较。比较时采用一种加权的超面交集的比较方法，从而粗略的估计出特征集之间最好的局部匹配的相似度。之所以叫这个内核“金字塔匹配内核”，是因为所有的输入集合都要被转换为多分辨率的超平面。

多分辨率超平面，即把原始直方图转化为多层次直方图，与高斯金子塔类似，高斯金子塔中不同层图像的大小不同，而直方图中的层次为不同间隔大小，例如：像素1-160，如果直方图灰度间隔为10，那么可以分为16个灰度级，如果灰度间隔为20，则可以分为8个灰度级，间隔为40，则分为4个灰度级…，灰度级16、8、4代表不同的层次，即不同分辨率的直方图（为便于理解，下文中的层次即不同分辨率超平面）。（PS:这个是博客原文的解释，我觉得怪怪的，不管这一段吧。。。）

2.计算过程

（1）如下图所示，不同间隔得到不同层次的直方图：（PS：原博客的图我觉得第一列都不要看了，好像有点问题，从2，3，4列看没问题）

为计算每个层次间的重叠程度，引入交集函数I：

其中X.Y为两个直方图，H（X）J，为x直方图中第j个bin，r为直方图bin的总个数，两个直方图每个bin的重叠数为两个bin中最小值，所有bin重叠数之和，为该层次的交集函数值。由上图可知，随着层次的增加，间隔逐渐增大，交集函数值I，也逐渐增加。


一个例子说明其计算过程：

第0层：

第一层：(我觉得好像原博客的图没对齐，所以重新画了一张，凑合看)

I1=4,
N1=I1-I0=4-2=2
W1=1/2
第二层：(图依然有点问题，下面的直方图没问题，就是上面那个对应的点有点问题，懒得画了，用原博客的图吧)

计算两个直方图的相似性：

理论原文：

The Pyramid Match Kernel: Discriminative Classification with Sets of Image Features（本来是个链接，但是打开以后变成了这样）