Image classification with Bag of Visual Words and KNN classifier
Objective:
Build an image classification system using Bag of Visual Words (BoVW) with SIFT
local features and KNN classifier. The system will be trained and tested using the
Fashion-MNIST dataset
.
首先介绍SIFT:
SIFT算法主要分为四个步骤:
尺度空间极值检测(Scale-space extrema detection):通过使用高斯差分函数来搜索所有尺度上的图像位置,识别出其中对于尺度和方向不变的潜在兴趣点。
关键点定位(Keypoint localizatio):在每个候选位置上,利用一个拟合精细的模型确定位置和尺度,关键点的选择依赖于它们的稳定程度。
方向匹配(Orientation assignment,为每个关键点赋予方向):基于局部图像的梯度方向,为每个关键点位置分配一个或多个方向,后续所有对图像数据的操作都是基于相对关键点的方向、尺度和位置进行变换,从而获得了方向于尺度的不变性。
关键点描述符(Keypoint descriptor):在每个关键点领域内,以选定的尺度计算局部图像梯度,这些梯度被变换成一种表示,这种表示允许比较大的局部形状的变形和光照变化。
Introduction to SIFT (Scale-Invariant Feature Transform)
接下来分别介绍这四个步骤。
尺度空间极值检测(Scale-space extrema detection)
利用高斯核构建高斯金字塔,每个尺度层包含一组尺度的图像。这里不同组的特征金字塔的获取采用隔点取样获得。在每个组内(octave)两两做差,构建高斯差分金字塔。
图像(高斯)金字塔生成方式主要有两种:
- 自下而上:利用向下取样,不断缩小原图。
- 自上而下:利用向上取样,不断扩大原图。
向下取样:
- 对图像进行高斯滤波。
- 删除所有的偶数行和列。
高斯滤波:
- 对图像进行加权平均,每个像素点由其本身和邻域内的其他像素值经过加权平均后得到。
高斯滤波中图像大小没有发生变化,但向下取样的第二步执行后,长和宽均变为原来的1/2.即生成图变为原图的四分之一。
这样不断迭代向下取样,就会生成越来越多的层,这些图像自底向上不断缩小,形成了一个金字塔的形状,即图像金字塔。
向上取样:
向上取样是由小图像不断放大成为大图像的过程。
- 将图像在每个方向上扩大为原图像的2倍,新增的行和列均用0来填充。
- 并使用与“向下取样”相同的卷积核乘以4,再与放大后的图像进行卷积运算,以获得“新增像素”的新值。
注意:向下取样和向上取样不是互逆的。
在高斯差分金字塔中,每个3x3x3的立方体,比较中心点与其他的26个点的大小,如果中心点最大或者最小,那么这个中心点就是极值点。