用于图像点识别的特征向量的PCA

Question

我在两张图片之间匹配点。我通过哈里斯角点检测器选择兴趣点，使用筛选功能获取这些兴趣点的特征，然后通过最近邻居比率匹配这些特征。所有这些都是在Matlab中完成的。特征向量非常大，我想减少维度，但仍然保留功能，以便我可以匹配它们。我想在这个特征向量上做PCA。有没有人知道任何Matlab方法在保持原始向量的准确性的同时做到这一点？

Answer 1

你不可能吃完整块蛋糕。 ：）

应用降维提供了一个较小的数据集（因为维数减少了），因此执行速度更快，但你必须放弃一些准确性。

自然而然，我的意思是信息越少，准确性越低，但过程越快。

如果我是你，我会将你的功能从现在的128维缩小，因为你将SIFT特征用于64维，并运行我的算法同时具有64维功能和128维功能，并比较准确性和速度，看看什么是最佳的。

当然，您可以使用Matlab's PCA。