图像分类练习

网址：http://www.robots.ox.ac.uk/~vgg/share/practical-image-classification.htm

目的：通过此练习，熟悉图像分类的一般流程，即输入图像—特征提取—分类器

声明：本文作为自己的练习笔记，其中会涉及各位前辈学者的论述，无侵权之意，仅供自己参考而已。

知识点一：SIFT（Scale Invariant Feature Transform）特征总结

       1999年，British Columbia University的David G.Lowe教授总结了现有基于不变量技术的特征检测方法，正式提出了一种基于尺度空间的、对图像缩放、旋转、甚至仿射、投影变换（AffineTransform）保持不变形的图像局部特征描述算子——SIFT（尺度不变特征变换），该局部特征对光照变化，遮挡等噪声也有一定的稳定性。该算法2004年被完善。

       算法实质：在不同尺度空间中查找特征点（关键点）。关于尺度空间，可大体理解为：对图像进行尺度变换，模拟人眼和目标物体距离的远近在视网膜上成像大小不同，尺度越大，图像越模糊。所谓关键点就是那些不随外部条件（比如光照）的变化而消失的点，比如角点、边缘点、暗区域的亮点和亮区域的暗点。

有关Matlab:

(1)cell数据结构：cell是matlab的一种数据结构，用大括号定义，括号内可以是任意类型的数据或矩阵。

(2)+inf，表示正无穷，inf是infinite的前三个字母，表示无穷。

（2）infinite的前三个字母，无穷大的意思