Matlab 如何在分类中对3D提取的特征进行标签？

我从许多3D图像中提取特征。 因此，提取特征的形式例如：

 Image 1 --> 10 x 12 x 30
 Image 2 --> 15 x 10 x 30
 Image 3 --> 13 x 12 x 30
 Image 4 --> 14 x 19 x 30
 .
 .
 So on

其中，第一维度和第二维度总是在变化，但第三维度仍然与特征的维度相同

要进行分类，我需要用标签标记每个图像中提取的特征。 为了方便起见，我必须将每个图像的特征保持成一行

因此，我将这些特征重塑为

  feat_reshape= reshape(feature,[size(feature,1)*size(feature,2) size(feature,3)]); 

在本例中，我将使用2D特征矩阵。 但是，我仍然需要它在1D中

我已经尝试使用imhist并将每一行中每一图像的每个特征保存在一个矩阵中。但仍然没有给出一个好的结果。可能是因为有很多0值

然后我尝试连接每个图像的每个特征的每一列，使其成为一行。但问题是每行中的串联矩阵元素中列的大小不同

例如：

  Image 1 --> 10 x 12 x 30 = 3600 elements
  Image 2 --> 15 x 10 x 30 = 4500 elements

---

有什么建议吗，，我如何存储我的3D提取特征，然后将其标记为在LibSVM MATLAB中使用

如果要为每个图像指定标签，则需要某种方法来聚合或汇集每个图像的密集特征。简单直方图是一种方法。替代品是

只需调整原始3D图像的大小以适应固定大小，然后计算特征。 ：第一个每像素聚类特征，并通过其相应的聚类索引可视词表示每个像素。然后利用直方图对图像进行汇总。 空间金字塔：代替整个图像上的直方图，将图像分割为具有不同分辨率1x1、2x2等的网格，通过直方图或其他池汇总每个单元格中的特征，并将所有特征连接起来。池是一个简单的统计，如最小值、最大值、平均值等。

---

如果没有一个能很好地工作，请怀疑您的功能设计。还尝试通过交叉验证检查LibSVM文档来找到SVM的最佳训练参数。

我执行HOG描述符来提取特征。但正如我前面提到的，从每幅图像中提取的特征的大小是不同的M X N X 32，只有这32对每幅图像都是相同的。聚集是为了处理不同的图像大小，这反过来为每幅图像提供不同的M和N。