提取图像中的某些区域以进行进一步分类

Question

我有许多具有特定功能的图像（以及原始数据源）。其中一些区域具有明显的垂直/水平区域，如下图所示，或者只是“blob”/非常特定区域的点浓度。

这些图像与特定的标签/类相关联，例如，标签“A”在y = 700和y = 150时表现出非常有特征的水平线（如图中标记的那些）。那些属于“B”类的图像“，展示x = 200,260和370处的垂直线，”C“级......等等。

除了这些已知/标记的类之外，我还有一堆图像展示了这些功能之一或它们的组合。

我的目标是使用这些已知的类来训练一些ML算法，以便进一步使用它来分类那些没有任何标签的图像。我知道我需要以某种方式提取这些特性（垂直/水平线，高点密度的斑点，通常出现在图像的右上角，或（x，y）区域（250-400,800） -1500）等等）。接下来，我需要训练一些具有这些功能的ML算法，然后才使用经过训练的系统进行分类。

我一直在寻找和使用一些工具3-4天（如PIL，具有不同的模糊，平滑和边缘检测技术，或MDP的高斯分类器和堆栈溢出上的许多帖子）。问题是我无法为一个明确的“解决方案+适当的工具”组合。

如果有人能够更多地指导我从图像（甚至是原始数据集）和/或要使用的工具中提取这些非常特殊/奇怪的特征的技术，我将不胜感激。

Answer 1

我知道你有样本的特征向量（训练数据）。

如果是这样，并且您只是在寻找机器学习算法实现，我建议您使用支持向量机SVM。一种名为SVM-light的流行实现可免费使用。 http://svmlight.joachims.org/ 请注意，上述网站提供了2级实施。如果您需要多类SVM，可以从http://svmlight.joachims.org/svm_multiclass.html

获取

然而，很少有流行的分类器

• 最近邻分类器
• C4.5决策树
• 神经网络