Python 在SVM多类图像分类中，图像的哪些特征会产生良好的分类效果？

我正在使用opencv2.4和python 2.7。图像的哪些特征可用于svm分类。我已经通过了surf和sift，但作为初学者，这对我来说似乎非常困难。还有哪些特征提取技术？

如果您正在寻找最简单的表示，那么这将对您有所帮助。与svm相比，这两种方法非常简单其他筛选和冲浪

位图表示法

梯度直方图

SVM是一种用于数据分类的机器学习模型。我建立了一个简单的SVM分类器。如果你有两个文件夹的图像，鸟类和水鸭。我遵循的步骤如下

提取图像的特征并将其附加到列表中

for file in listing1:
 img = cv2.imread(path1 + file)
 res=cv2.resize(img,(250,250))
 h=hog(res)
 training_set.append(h)

同时附加标签

 training_labels.append(1)

将两个列表转换为numpy数组

trainData=np.float32(training_set)
responses=np.float32(training_labels)

训练支持向量机

svm.train(trainData,responses, params=svm_params)

测试支持向量机

result = svm.predict_all(testData)
print result

---

如果你正在寻找最简单的表示，那么这将帮助你。这两个是非常简单的相比，其他筛选和冲浪

位图表示法

梯度直方图

SVM是一种用于数据分类的机器学习模型。我建立了一个简单的SVM分类器。如果你有两个文件夹的图像，鸟类和水鸭。我遵循的步骤如下

提取图像的特征并将其附加到列表中

for file in listing1:
 img = cv2.imread(path1 + file)
 res=cv2.resize(img,(250,250))
 h=hog(res)
 training_set.append(h)

同时附加标签

 training_labels.append(1)

将两个列表转换为numpy数组

trainData=np.float32(training_set)
responses=np.float32(training_labels)

训练支持向量机

svm.train(trainData,responses, params=svm_params)

测试支持向量机

result = svm.predict_all(testData)
print result

---

有主意了，谢谢有主意了，谢谢