我正在提取纹理识别的图像功能。我想从2D image中提取图像特征。这些功能应捕获图像的micro和macro geometry。我试图找出一些可以给我上述结果的算法。我试过了SIFT，但它只捕获了宏几何，形状和边缘细节的细节。另一方面，我尝试过各种版本的LBP（如CS-LBP，LNBP等），但它们只能捕获像素差异而不是整体方案。我尝试的另一种技术是使用具有不同距离和方向值的GLCM。但仍然存在一个问题，即得到的直方图太大，比较所用的时间太长。此外，结果也不是很好。 SVM的分类率仅为48％。
任何人都可以指导我找到一个通用算法，它可以捕获像素级别差异以及整体纹理模式。
答案 0 :(得分：0)
为什么需要通用算法？你有：
只需计算所有特征，将它们连接在一个向量中，这个向量就是你想要的结果。您不需要单个智能算法。成功的关键是许多“简单”算法的组合（连接）。
如果您遇到速度问题（功能向量太长）请尝试在SVM之前使用PCA。它会以这样一种方式减小矢量的大小，使你失去“最小量的信息”。 PCA可以轻松地将矢量长度减少10倍。 PCA运行时间相对较快（只需乘以2D矩阵）。
如果您确定使用了良好的功能，但仍然具有较低的识别率，请尝试ITML。 ITML在PCA之后使用，它也是2D矩阵的乘法。 ITML是一种“标准化每个特征的影响并消除特征的非常大或非常小范围的值的影响”的方法。
通常，如果您使用良好的功能，运行PCA，ITML和SVM - 即使在困难的计算机视觉任务上也应该获得良好的结果