本地二进制码型逻辑

我对LBP算法的直方图有疑问。比方说，我有一个1000x1000的图像，我将这个图像分成4个250x250的子图像，据我所知，我应该计算每个子图像直方图生成59个位置（统一LBP版本）的直方图矢量。本地二进制码型逻辑

我的疑问是，维基百科文章说我必须连接每个直方图向量来生成特征向量，所以我的图像的特征向量是一个有236个位置的向量？ 59个位置* 4个子图像。

计算整个图像并生成一个59位置直方图矢量作为我的特征矢量是错误的吗？

谢谢！

来源

2016-11-09 user3533910

随着更多的分裂，你会得到更多关于图像的信息：图像不同部分的纹理是什么。没有分裂，你只有一个平均的纹理。试想一下，你想从直方图中识别出一只猫，或者从100×100像素的图像中识别出一只猫。

来源

2016-11-09 20:05:15 sebesbal

如果我想区分地形，这仍然是真的吗？我有一个草地纹理类和一个类的沥青纹理，事情是：我想分类这些类型的纹理和我的分类算法缺少了很多，当我使用另一个数据集不是由我的LBP生成的分类算法可以很好地区分命中率，所以我只能假设我的LBP没有做它应该做的事情，而且我没有切分图像并连接特征向量，我认为，因为我想将整体分类为纹理A或BI可以这样做。 – user3533910

如果图片完全一致，您可以跳过分割。但如果以这种方式训练分类器，然后给它一只猫（不均匀），它可以很容易地根据直方图分类为沥青，而分辨率越高（分裂），分类器就会检测到不均匀性。无论如何，如果您的分类器在训练和测试期间表现不同，那么您的训练数据集不够。 – sebesbal

我明白了，如果我将图像分割成4个子图像，我有236个位置的特征向量（如果我计算标签字段为237），则我需要花费多长时间对图像进行分类，但是如果我将我的图像分成10个子图像，这个特征矢量增长到590个位置，这只是一个图像！这就是为什么当文章中提到“连接每个直方图”时，我认为我理解错了。 – user3533910

本地二进制码型逻辑

回答

相关问题