Matlab sift描述符集PCA矩阵的计算

我想计算一个数据集的一般PCA矩阵，我将使用它来减少sift描述符的维数。我已经找到了一些算法来计算它，但是我找不到一种使用MATLAB计算它的方法

---

有人能帮我吗

如果您有权访问统计工具箱，则可以使用命令

princomp

，或在最新版本中使用命令

pca

[coeff, score] = princomp(X) 

这是正确的做法，但知道如何使用它有点棘手

我的理解是你做了如下事情：

sift_image = sift_fun(img)

这会给你一个二值图像：sift_特征？ （即使不是二进制的，这仍然有效。）

输入，X：

使用

princomp

/

pca

公式化X，使每列都是

numel（sift\u图像）

x1向量
（即

sift\u图像（：）

）
对所有图像执行此操作，并将它们排列为X中的列。
这样X将是

numel（sift\u图像）

X num\u图像

如果图像大小不同（例如，像素尺寸不同，图像中的场景或多或少不同），则需要将它们放到某个公共空间中，这是一个完全不同的问题

除非您的内容是二进制的，否则您可能需要在列方向（即，对每个图像进行规格化）和行方向（对整个数据集进行规格化）上对X进行去均值/规格化

输出

score

是一组特征向量：它将是num_像素*num_图像。 要将第一个特征向量恢复为图像形状，请执行以下操作：

first_component = reshape(score(:,1),size(im));

对于其余的组件，依此类推。与输入图像一样多的组件

coeff

的每一行都是num_图像（等于num_分量）的权重集，可用于生成每个输入图像。i、 e

input_image_1 = reshape(score * coeff(:,1) , size(original_im));

其中，输入图像1是正确的原始形状
系数（1，：）是一个向量（num_images x1）
分数是像素x图像数
（免责声明：我可能混淆了列/行，但描述是正确的。）

---

这有用吗？

我知道princomp函数，但问题是我无法获得“n-by-p数据矩阵X”部分。我有一个图像数据集，我用vl_-sift函数一个接一个地提取了它们的sift描述符。在这种情况下，数据矩阵X将是什么？我不知道-这将取决于您如何收集sift描述符以及您计划如何处理它们。通常，使用PCA，您拥有收集了变量的对象，并且您将变量减少为q，其中q感谢真正有用的解释，但是我能做些什么来将图像带入公共空间呢？将它们带入相同空间的目的是使它们具有相同的大小（像素/体素尺寸）并对齐（也称为注册）。（…从上一篇文章继续…）根据您的数据，这可能非常容易。MATLAB内置了一些东西（），我在这里看到了一些关于堆栈溢出的东西。我处理医学图像，并使用专门为这些问题设计的工具。这些图像可能有不同数量的SIFT向量，那么在这种情况下，X将如何被框起来？