Question

我想在MATLAB中实现Bag of Visual Words。首先，我从数据集目录中读取图像，然后检测SURF功能并使用这两个函数detectSURFFeatures和extractFeatures提取它们。

我将每个特征存储到一个单元格数组中，最后我想使用k-means算法对它们进行聚类，但我不能将这些数据拟合到k-means函数输入中。如何在MATLAB中将SURF特征插入k-means聚类算法？

以下是我的示例代码，它从文件中读取图像并提取其SURF功能。

clc;
clear;
close all;
folder = 'CarData/TrainImages/cars';
filePattern = fullfile(folder, '*.pgm');
f=dir(filePattern);
files={f.name}; 
for k=1:numel(files)
    fullFileName = fullfile(folder, files{k});
    image=imread(fullFileName);
    temp =  detectSURFFeatures(image);
    [im_features, temp] = extractFeatures(image, temp);
    features{k}= im_features;

end

[centers, assignments] = kmeans(double(features), 100);

Answer 1

kmeans期望输入数据为N x P矩阵，其中N是示例总数，P是要素总数。您正在做的错误是将每个要素矩阵放入单元格数组中。你需要做的是将所有图像中的所有特征连接成一个矩阵。

最简单的方法是在kmeans电话前添加以下代码：

features = vertcat(features{:});

函数vertcat将垂直堆叠矩阵，给定所有共享相同列数的矩阵列表。执行features{:}会提取comma-separated list，以便它等同于：

features = vertcat(features{1}, features{2}, ...);

最终效果是，它会将每个图像的所有SURF特征垂直叠加到一个2D矩阵中。您使用的是默认版本的SURF，因此每个功能的长度应为64，因此您应该有64列。行数应该是在所有图像上检测到的要素总数。

因此，绝对清楚：

clc;
clear;
close all;
folder = 'CarData/TrainImages/cars';
filePattern = fullfile(folder, '*.pgm');
f=dir(filePattern);
files={f.name}; 
for k=1:numel(files)
    fullFileName = fullfile(folder, files{k});
    image=imread(fullFileName);
    temp =  detectSURFFeatures(image);
    [im_features, temp] = extractFeatures(image, temp);
    features{k}= im_features;

end

% New code
features = vertcat(features{:});

% Resume old code
[centers, assignments] = kmeans(double(features), 100);

使用k均值算法对图像数据集的SURF特征进行聚类

1 个答案: