c++ - 在 C++ 中实现多变量正态 pdf 用于图像分类

Question

我希望在 C++ 中实现多元普通 PDF [ 1 ] 以分配类的图像成员资格中的每个像素，即

    for each pixel
        for each class
            compute multivariate normal PDF using the pixel's feature vector and the class' mean vector and covariance matrix
         end
     end

是否有一个库可以有效地做到这一点（即类似于 Matlab 的 mvnpdf 函数[ 2 ]）？如果没有任何想法，最好使用哪种库或方法（我正在考虑使用 Eigen）。

Answer 1

我不知道有现成的一步解决方案。对于两步混合匹配方法，您可以熟悉Boost.Math，它在统计分布部分有一个单变量正态分布的扩展示例：

// [...] many headers and namespaces inclusions

int main()
{
      // Construct a standard normal distribution s
        normal s; // (default mean = zero, and standard deviation = unity)
        cout << "Standard normal distribution, mean = "<< s.mean()
          << ", standard deviation = " << s.standard_deviation() << endl;

/*` First the probability distribution function (pdf).
*/
      cout << "Probability distribution function values" << endl;
      cout << "  z " "      pdf " << endl;
      cout.precision(5);
      for (double z = -range; z < range + step; z += step)
      {
        cout << left << setprecision(3) << setw(6) << z << " " 
          << setprecision(precision) << setw(12) << pdf(s, z) << endl;
      }
      cout.precision(6); // default

      // [...] much more
    } 

然后，您可以使用 Eigen 进行必要的向量和矩阵操作，以将标量传递给它。这篇博文有更多细节（尽管它使用Boost.Random来生成样本值）。