Question

首先，提取冲浪功能并在群集中使用它们是真的吗？我想在图像中聚类相似的对象？（每个图像包含一个对象）

如果是，那怎么可能呢。我提取这样的功能：

I = imread('cameraman.tif');
points = detectSURFFeatures(I);
[features, valid_points] = extractFeatures(I, points);

特征不是矢量，而是矩阵。也是由＆＃39; detectSURFFeatures＆＃39;提取的点数。不同的图像有所不同。应该如何使用功能？

Answer 1

首先，您正在检测SURF功能，而不是SIFT功能（尽管它们具有相同的基本用途）。获得多个SURF特征的原因是SURF是局部图像特征，即它仅描述图像的一小部分。通常，将在单个图像中检测多个特征。您可能希望找到一种方法，在聚类之前将这些功能组合到单个图像描述符中。

组合这些功能的常用方法是Bag-of-words。

由于您似乎正在进行无监督学习，因此您首先需要学习一本码本。一种流行的方法是在您在所有图像中提取的所有SURF要素上使用k-means clustering。

使用这些聚类通过为每个图像创建“代码字外观”的直方图来生成k维图像描述符。在这种情况下，每个群集有一个“代码字”。每当SURF特征属于其关联的集群时，代码字就会“出现”。

代码字的直方图将充当每个图像的图像描述符。然后，您可以在图像描述符上应用聚类以查找相似的图像，我建议将图像描述符规范化为常量范数或使用余弦相似性度量（如果使用k均值聚类，则使用MATLAB中的kmeans(X,k,'Distance','cosine')）。

也就是说，一个可能更好的解决方案是使用卷积神经网络提取深层特征，该网络在一个非常大的，不同的数据集（如ImageNet）上训练，然后将它们用作图像描述符。