直方图对特征提取的应用
2012-05-23 19:05
253 查看
直方图,在WC等人做的图像分类中,有大量应用,对特征进行提取和描述。
下面以图像的灰度直方图进行说明。在这种图里,每个像素点的取值是0-255.
首先要理解直方图的纵坐标和横坐标。
一般是以0-255为横坐标,然后对应的取值的像素点数目为纵坐标。这样就可以表示一张图的灰度特征了。
当然,可以有255维的向量来表示这一特征,但是255太大了,所以,可以提取这个直方图的一些特征来,比如它的均值,比如它的方差,那就是两维的数据。假设一幅图的这两个特征是<a,b>,另一幅图是<c,d>,那么可以通过计算这两个向量的欧式距离来表示他们的相似度。d = sqrt((x1-x2)^2+(y1-y2)^2)
如果维数比较小。那么直接用这些维的数值来表示,不需要提取它的特征。
还有,在计算欧式距离时,由于可能一维的数值比较大,一维数值比较小,比如<100,0.1>,<101,.0.9>,虽然第二维差值0.8,比第一维的1要小,但是衡量的程度是不同的。那么直接相减也不能很好地表示他们的差别量。所以,可以做归一化处理。
将横坐标转换为0-1,将纵坐标也转换为0-1,这样计算更合理点。
直方图也有它的缺点。很重要的一个就是,缺乏对上下文关系的研究。整体研究,但是缺乏关联性。当然,也有梯度直方图这些。
下面以图像的灰度直方图进行说明。在这种图里,每个像素点的取值是0-255.
首先要理解直方图的纵坐标和横坐标。
一般是以0-255为横坐标,然后对应的取值的像素点数目为纵坐标。这样就可以表示一张图的灰度特征了。
当然,可以有255维的向量来表示这一特征,但是255太大了,所以,可以提取这个直方图的一些特征来,比如它的均值,比如它的方差,那就是两维的数据。假设一幅图的这两个特征是<a,b>,另一幅图是<c,d>,那么可以通过计算这两个向量的欧式距离来表示他们的相似度。d = sqrt((x1-x2)^2+(y1-y2)^2)
如果维数比较小。那么直接用这些维的数值来表示,不需要提取它的特征。
还有,在计算欧式距离时,由于可能一维的数值比较大,一维数值比较小,比如<100,0.1>,<101,.0.9>,虽然第二维差值0.8,比第一维的1要小,但是衡量的程度是不同的。那么直接相减也不能很好地表示他们的差别量。所以,可以做归一化处理。
将横坐标转换为0-1,将纵坐标也转换为0-1,这样计算更合理点。
直方图也有它的缺点。很重要的一个就是,缺乏对上下文关系的研究。整体研究,但是缺乏关联性。当然,也有梯度直方图这些。
相关文章推荐
- 主成分分析(PCA)是目前应用很广泛的一种代数特征提取方法
- SIFT特征提取-应用篇
- 数据挖掘—LDA,PCA特征提取降维与SVM多分类在人脸识别中的应用-数据集ORL
- pww特征提取算法的经典应用
- 短时傅里叶变换在EEG信号特征提取中的应用(通俗版)
- PCL_FPFH特征提取及直方图显示
- 特征提取——HOG方向梯直方图
- SIFT特征提取-应用篇
- 颜色特征提取(一)------颜色直方图
- 【图像特征提取1】方向梯度直方图HOG---从理论到实践------附带积分图像的解析
- 高光谱遥感数据光谱特征的提取与应用---高光谱基础知识科普论文
- SIFT特征提取及应用
- 【算法应用】Word2vec提取视频特征
- C++ 图像RGB直方图特征提取
- 【Machine Learning】【Python】提取直方图特征做图片预分类(Decision Tree, Random Forest, Adaboost)
- 【图像特征提取1】方向梯度直方图HOG---从理论到实践------附带积分图像的解析
- 颜色直方图特征提取
- 【图像特征提取1】方向梯度直方图HOG---从理论到实践------附带积分图像的解析
- 【代码克隆检测】基于K-gram hash 分析特征提取技术(代码篇)
- perl应用:SNP的提取(4):信息的补全all.pl和重复区域的删除repeat_move_all_information.pl!