Matlab 指定提取的冲浪点的大小

我试图提取冲浪点，以便在输入图像和训练图像集之间进行模式匹配。我已经修改了MATLAB的猪检测代码。但是，我得到了一个错误，因为不同图像的冲浪功能大小不同。这在HOG探测器中通过细胞大小进行了说明，但是对于冲浪点没有这样的参数

有没有办法确保所有图像的冲浪功能大小相同

错误： 下标赋值维度不匹配。 SURF2中的错误 特征（i，：）=提取特征（img，点）

%1。加载图像集
imgSets=[imageSet（完整文件（'Patterns'，'Cat1'）。。。
图像集（完整文件（'Patterns'，'Cat2'）。。。
图像集（完整文件（'Patterns'，'Cat3'））。。。
图像集（fullfile（'Patterns'，'Cat4'））]；
{imgSets.Description}%在一行上显示所有标签
[imgSets.Count]%显示相应的图像计数
%2.准备培训和验证图像集
%2.1每个训练集的平衡编号
%确定类别中图像的最小数量
minSetCount=min（[imgSets.Count]）；
%使用分区方法修剪集合。
imgSets=分区（imgSets，minSetCount，“随机化”）；
%请注意，现在每个集的图像数量完全相同。
[imgSets.Count]
%2.2培训和验证数据的单独数据集。30%的图像
%用于培训数据，其余70%用于验证数据
[trainingSets，validationSets]=分区（imgSets，0.3，“随机化”）；
img=读取（训练集（3），4）；
img=rgb2gray（img）；
%3.检测冲浪点
点=检测特征（img）；
点数=点数。选择最强（15）；
[专长，点数]=提取特征（img，点数）；
SURFFeatureSize=长度（专长）；
培训特点=[]；
培训标签=[]；
对于数字=1:numel（培训集）
numImages1=训练集（数字）。计数；
特征=零（numImages1，SURFFeatureSize，'single'）；
对于i=1:numImages1
img=读取（训练集（数字），i）；
img=rgb2gray（img）；
点=检测特征（img）；
特征（i，：）=提取特征（img，点）；
结束
如果数字=1%，格子图案=5
标签=[培训集（数字）.说明，空白（6）]；
结束
如果数字=2%，无图案=11
标签=[培训集（数字）.说明]；
结束
如果数字==3%，条带化=7
标签=[培训集（数字）.说明，空白（4）]；
结束
如果数字=4%，则不规则=9
标签=[培训集（数字）.说明，空白（2）]；
结束
%使用图像集描述作为培训标签。
标签=repmat（标签，数字图像1，1）；
trainingFeatures=[trainingFeatures；features]；%#好啊
trainingLabels=[trainingLabels；labels]；%#好啊
结束

---

谢谢。

根据@rayryeng提供的评论，我已将检测到的特征数组填充到一个设定的预期数组大小，如下所示：

img = read(trainingSets(3), 4);
img = rgb2gray(img);
%3.   Detect SURF Points
points =detectSURFFeatures(img);
points = points.selectStrongest(15);
[feats,vPoints] = extractFeatures(img,points);
currentSize = size(feats);
rowSize = currentSize (:,1);
expectedRowSize = 15;
differenceRowSize = abs(expectedRowSize- rowSize);

if rowSize ~= expectedRowSize
    z =zeros(differenceRowSize,64,'single');
    feats= vertcat(feats,z);
end

还有其他方法来填充阵列（例如使用padarray），但我更熟悉这种方法

---

请随时提供任何有利于他人的替代方法

不能像使用HOG那样直接使用SURF

extractHOGFeatures

计算一个描述整个图像的直方图，而

extractSURFFeatures

获取一组点，并计算每个点周围的描述符，因此它返回多个向量

extractHOGFeatures

也可以计算点描述符，但是

extractSURFFeatures

无法计算全局图像描述符

---

如果您想使用SURF进行图像分类，如数字识别，则需要将一组SURF描述符转换为单个向量。一种方法是使用

您无法强制每个图像的最小或最大冲浪点数。有两个选项：（1）使用单元阵列并将每组要素放置在单元中。（2） 如果检测到的功能总数少于您预期的数量，则用最多检测到的功能填充该列，然后用某些内容填充其余缺少的功能。。。就像零一样。@rayryeng我现在正在实现第二个选项。我不确定第一个选项（使用单元格数组）将如何工作，但第二个选项应该是找到的。谢谢。你想让我写一个答案，还是你已经明白了？@rayryeng我对我的实现发表了评论。如果你认为其他人会从中受益，请随意发表另一篇文章。我正在学习如何使用单元阵列来实现它。不幸的是，这是行不通的。是的，这将使功能集大小相同，但此填充没有任何语义含义。它不会帮助您对图像进行分类。@Dima谢谢！您能否详细说明我如何为描述符（如BRISK、FAST等）实现特征包方法，因为特征包函数使用SURF@Dima，我尝试创建代表该矩阵的特征向量。我是stackoverflow新手，我应该创建一个关于它的新问题还是编辑这个问题？谢谢，这很有道理！谢谢但是，如果我想提取快速或快速的特征，从而给出一个描述符矩阵，我如何将其转换为一袋单词？bag of features功能仅在冲浪时自动执行此操作

img = read(trainingSets(3), 4);
img = rgb2gray(img);
%3.   Detect SURF Points
points =detectSURFFeatures(img);
points = points.selectStrongest(15);
[feats,vPoints] = extractFeatures(img,points);
currentSize = size(feats);
rowSize = currentSize (:,1);
expectedRowSize = 15;
differenceRowSize = abs(expectedRowSize- rowSize);

if rowSize ~= expectedRowSize
    z =zeros(differenceRowSize,64,'single');
    feats= vertcat(feats,z);
end