Image processing 检索';外观相似';图像:密集筛选还是其他描述?
我正在发布我的数据集的3张图像,以显示我的图像在视觉上的外观: 我正在使用VLFFeat DSIFT实现。我使用每描述符4个方向,而不是8个方向。所以在我的例子中,它是64维向量,而不是128维向量。我使用图像的原始比例,因为我的图像数据最初是从固定距离获取的。我以4/8像素的间隔密集计算描述符。我已经做了几个实验,将窗口大小从80*80像素变为20*20像素。我用不同数量的集群中心做了一个集群方法。最后,我用推土机的距离来计算相似性度量。 在对窗口大小、字数进行各种参数调整后,我发现即使我有类似于1和3的图像,距离度量表示图像1与图像2更相似,而图像1与图像3更相似 我做了主成分分析来观察数据的差异。我希望图像1和图像2具有分离的簇,而图像1和图像3具有重叠的簇。由于我绘制了前3个维度,而这3个维度只占数据的不到30%,我确信包括所有维度(当然我无法想象)会产生更糟糕的结果Image processing 检索';外观相似';图像:密集筛选还是其他描述?,image-processing,computer-vision,sift,feature-selection,Image Processing,Computer Vision,Sift,Feature Selection,我正在发布我的数据集的3张图像,以显示我的图像在视觉上的外观: 我正在使用VLFFeat DSIFT实现。我使用每描述符4个方向,而不是8个方向。所以在我的例子中,它是64维向量,而不是128维向量。我使用图像的原始比例,因为我的图像数据最初是从固定距离获取的。我以4/8像素的间隔密集计算描述符。我已经做了几个实验,将窗口大小从80*80像素变为20*20像素。我用不同数量的集群中心做了一个集群方法。最后,我用推土机的距离来计算相似性度量。 在对窗口大小、字数进行各种参数调整后,我发现即使我有
您是否尝试过在特征提取之前改变平滑/模糊的程度?您可能正确地认为,SIFT(和其他局部纹理特征)不适合此任务,因为您的图像相对无纹理。是的。我试着平滑图像。但是,由于我对所有图像都使用相同的平滑处理,因此不会影响结果。