Image processing 视觉文字包编码过程

在图像分类中，我必须将图像编码到视觉单词表示包中，并训练SVM分类器。制作图像编码视觉文字包的过程是什么？

以下是过程：

首先，您必须构建一个词典

首先，必须对训练图像应用采样（密集/关键点）。简单地将图像分解为等采样面片

对所有训练图像重复上一步。然后，对于每条路径，计算导致128-D向量的SIFT描述符

对所有图像的所有面片执行上述步骤将得到一组128-D特征向量。将这些描述符聚类为K个簇并保存它们的中心。这些中心构成了模型的视觉词典 构建可视化词典后

在目标图像上应用采样（密集/关键点）

为查询图像的每个补丁计算SIFT特征描述符

检查任何补丁位于哪个集群中。选择这些簇的中心（可视词）作为该面片的代表

计算目标图像中每个特定视觉单词的数量的直方图。此直方图是图像的描述符/表示形式

对于所有的训练集，您都可以训练任何现成的分类器来对图像进行分类

以下是管道的可视化：