问题标签 [feature-extraction]

我正在开发一个程序，该程序在特征空间（1000+ 维）中接收几个（<50）高维点，并通过递归使用标准 k 聚类对它们执行层次聚类。

我的问题是，在任何一次 k 聚类过程中，高维表示的不同部分都是多余的。我知道这个问题属于特征提取、选择或加权的范畴。

一般来说，在选择特定的特征提取/选择/加权算法时会考虑什么？具体来说，在我的情况下，什么算法是准备我的数据进行聚类的最佳方法？

有谁知道 OpenCV 2.3 中特征检测和描述符提取之间的区别？

我知道后者是使用 DescriptorMatcher 进行匹配所必需的。如果是这样，FeatureDetection 是用来做什么的？

具体来说，我正在尝试从游戏“小行星”的屏幕截图中提取所有相关的线段。我查看了各种边缘检测方法，但似乎没有一个适合我的问题，原因有两个：

1. 它们检测平滑的轮廓，而我只需要检测直线段，并且只需要检测一定长度范围内的直线段。现在，这些约束应该使我的任务比一般情况要容易得多，但我不想只使用一个完整的边缘检测器然后清除曲线的结果，因为那样会非常昂贵。速度对于我的目的来说是最重要的。

2. 他们输出一个修改后的图像，其中边缘是高光，而我想要一组像素坐标来描述检测到的线段的端点。或者，每个片段中包含的所有像素的列表也可以使用。

我有一种可能的解决方案将涉及霍夫变换的暗示，但我不知道如何使用它来获取线段的实际位置（即像素空间中的端点）。尽管即使我这样做了，我也不知道这是否是最简单或最有效的做事方式，因此问题标题的一般措辞。

最后，这是一个示例图像：

请注意，所有主要线条的长度和密度都相似，并且整体图像对比度非常高。我希望我的问题的解决方案将利用这些功能，因为同样，效率是最重要的。

一个警告：虽然此上下文中的大多数线段都是多边形的一部分，但我不想要依赖于这一事实的解决方案。

我是 MATLAB 的新手，我有一组 bmp 图像，我需要将其转换为像素灰度值作为图像的特征向量。谁能建议我如何做到这一点？我需要将这些像素灰度值用作特征，然后执行 PCA/LDA 之类的操作。我尝试了 imread() 但它返回了一个矩阵。我觉得特征向量将只是一个行向量。

问候，

我想在手写数字数据集上测试一些聚类算法。是否有任何具有已提取特征的手写数字数据集？我不是在寻找像 MNIST 那样的粗略图像像素的手写数字数据集。我正在寻找已经从此类数据集中提取的特征向量。

我从不同角度收集了一个人的图像（可能是 10 张），我需要检测这个人。

我们可以使用这 10 个初始图像进行训练/特征提取，当另一个（第 11 个）图像作为输入时，我们需要检测该图像中的人

我需要用 Java 编写任何帮助/链接，非常受欢迎。请帮忙。

谢谢你。

我对制作“特征提取”方法的方式感到困惑我想使用 SVM 在图像中应用“对象识别”，Emgu 的示例中有一个示例，其中包含一个包含猫特征的 XML 文件！一周以来我一直在尝试了解他们是如何做到的以及他们使用了哪些方法，我发现了这个页面 http://experienceopencv.blogspot.com/2011/02/learning-deformable-models-with-latent。 显示步骤的html ！这太复杂了，而且我自己做不到，我很迷茫！谁能告诉我一种合适的“特征提取”方法与 SVM 学习兼容？雅阁有支持向量机的例子，但它是手写的，不处理彩色图像=（任何帮助链接？谢谢

作为人类，我们可以将这两个图像识别为同一图像：

在计算机中，如果这两个图像大小相同，则很容易识别，因此我们必须在识别它之前进行预处理阶段或步骤，例如缩放，但如果我们深入研究缩放过程，我们会知道它是不是一种有效的方法。

现在，您能帮我找到一些方法将图像转换为不处理大小或像素位置的对象，以便输入识别方法吗？

提前谢谢。

我遇到了这个关于如何调用函数的例子graycomatrix

但我不明白第二个参数的效果graycomatrix。我已经阅读了Matlab 文档，但解释很难理解。

我在 iPhone 上尝试过 Tesseract，在没有图像预处理的情况下评估其准确度为 70%。我还注意到它在提取数字方面可能很差。我听说过 OCRopus OCR 引擎：就数字提取而言，Tesseract 或 OCRopus 哪个更好，以及我的图像预处理是否较低？
有没有人使用两个引擎运行测试并使用通常的指标比较结果？