9180106

当前课程知识点:现代图像分析 >  第八章 图像描述 >  8.5 特征描述子 >  8.5.3 特征描述子BOW学习视频

返回《现代图像分析》慕课在线视频课程列表

8.5.3 特征描述子BOW学习视频在线视频

下一节:第八章讨论题

返回《现代图像分析》慕课在线视频列表

8.5.3 特征描述子BOW学习视频课程教案、知识点、字幕

同学们好 这节课我们介绍

一种流行的局部特征描述子 词袋模型BOW

顾名思义 它是将某些word来打包

就像我们经常会把类似的物品装到一个柜子

或者即使是随意打包一些物品

也为了我们能够方便的携带

那么在对大数据做处理的时候

为了能够方便的携带这些数据中的信息

与其一个一个的处理还不如打包来得容易一些

那么在信息检索中 BOW模型假定对于一个文档

我们忽略它的单词顺序和句法 语法等要素

将它仅仅看作是若干个词汇的集合

文档中每个单词的出现都是相对独立的

不依赖于其它单词的出现

也就是说文档中任意一个位置出现的任何单词

都不受该文档语义影响而独立选择

例如有如下的两个文档

此表 我们可以看到构建的单词表一共包含了10个单词

那么利用单词表的索引号 这里的1 2 3一直到10

上面两个文档就可以用一个10维的向量来分别进行表示

向量中的每一个元素就是单词表中的单词在文档中出现的频率

比如说我们看到bob在第一个文档中出现过一次 所以是1

而likes呢在第一个文档中出现了两次 所以是2

更为直观的 我们还可以用单词直方图来进行表示

那么这样我们更容易看出两个文档之间所存在的差异

很容易可以看出到底在哪一个基础单词上 它们是有差异的

而BOW最基本的实现步骤如下

首先要进行单词表的建立来获取合适的聚类中心

再对每个文档进行训练 得到它的低维表示

那么对于新样本来说 则先要得到其低维表示

然后再进行分类

假设有一个巨大的文档集合 里面一共有m个文档

而文档里面的所有单词提取出来后

一起构成了一个包含n个单词的词表

利用Bag-of-Words模型

每个文档都可以被表示成一个n维的向量

计算机非常善于处理数值向量

那么这样就可以利用计算机来完成海量文档的分类过程

将BOW模型应用到图像上 怎么样来进行移植呢

我们可以把它假想成是一种视觉单词 也就是视觉的词袋模型

为了表示一幅图像 我们可以将图像看成是一个文档

也就是若干个视觉单词的集合

这里的视觉单词就是我们图像上的一些具有特点的小图像块

同样的这些视觉单词相互之间没有任何的顺序

那么对于我们的目标图像来说

我们可以将它划分为类似于单词的小图像块

我们可以看到 都是来自于我们目标当中的一些小图像块

来构成我们的视觉单词

但图像中的单词不像文本文档中那样是现成的

所以我们需要先从图像中来提取出这样相互独立的一些视觉单词

这通常需要经过下面的三个步骤

特征的检测 特征的表示以及词汇表的生成

从而提取出如下图所示的这样一些图像块

也就是我们的视觉单词

BOW方法中最常用的特征检测和表示方法就是SIFT

利用它可以提取图像中的不变特征点作为视觉单词

那么SIFT算法提取到的这些不变的特征点

用作单词表中的单词表示图像的时候

我们知道它的数量是非常庞大的

因此我们可以选用K-means算法来将词意相近的

这样的一些视觉单词进行合并 对于图像来说

也就是用SIFT描述子将相似的图像块来进行一个聚类

这样作为单词表中的基础词汇

假定我们将k设为4

那么单词表的构造过程我们可以通过下图来进行表示

我们可以看到

这幅流程图完整的介绍了BOW特征的提取过程

首先 我们对于图像或者文档通过SIFT提取到这么多的视觉单词

那么这些视觉单词 我们再通过K-means算法来对它进行聚类

如果我们把它聚成四类的话 我们就得到了这样的结果

聚类之后所得到的这四类 其中每一类的聚类中心

就是我们最终所得到的词汇表中的基础视觉单词

利用SIFT算法 可以从每幅图像中提取很多个特征点

这些特征点都可以用单词表中的单词近似代替

通过统计词汇表中每个单词在图像中出现的次数

就可以将图像表示成为一个四维的数值向量

实际应用中为了达到较好的效果

单词表中的词汇数量往往是非常大的

并且目标类数越多 对应的K值就会越大

一般情况下K的取值都在几百到几千

在此基础上 再结合性能良好的分类器

就可以对图像进行目标的检测和识别了

本节课的内容就到这里

谢谢大家 再见

现代图像分析课程列表:

第一章 绪论

-1.1 图像及图像的基本概念

--1.1.1 图像处理基本概念学习视频

--1.1.2 图像及图像的基本概念作业

-1.2 数字图像处理的起源

--1.2.1 数字图像处理的起源学习视频

--1.2.2 数字图像处理的起源作业

-1.3 数字图像处理的步骤和方法

--1.3.1 图像处理步骤和方法学习视频

--1.3.2 数字图像处理步骤和方法作业

-1.4 数字图像处理系统的组成

--1.4.1 图像处理系统组成学习视频

--1.4.2 数字图像处理系统的组成作业

-1.5 数字图像处理主要应用领域

--1.5.1 图像处理应用领域学习视频

--1.5.2 数字图像处理主要应用领域作业

第二章 数字图像处理基础

-2.1 色度学基础

--2.1.1 色度学基础学习视频

--2.1.2 颜色模型学习视频

--2.1.3 色度学基础作业

-2.2 人的视觉特性

--2.2.1 人的视觉特性学习视频

--2.2.1 人的视觉特性作业

-2.3 图像数字化

--2.3.1 图像的数字化学习视频

--2.3.2 图像数字化作业

-2.4 数字图像特点

--2.4.1 数字图像特点学习视频

--2.4.2 数字图像特点作业

-第二章讨论题

第三章 图像变换

-3.1 图像变换的基本概念

--3.1.1 图像变换的基本概念学习视频

--3.1.2 图像变换的基本概念作业

-3.2 图像的几何变换

--3.2.1 图像的几何变换学习视频

--3.2.2 图像的几何变换作业

-3.3 图像的离散傅立叶变换

--3.3.1 图像离散傅立叶变换学习视频

--3.3.2 图像的离散傅立叶变换作业

-3.4 图像变换的一般表示形式

--3.4.1 图像变换的一般表示学习视频

--3.4.2 图像变换的一般表示形式作业

-3.5 图像的离散余弦变换

--3.5.1 图像离散余弦变换学习视频

--3.5.2 图像的离散余弦变换作业

-3.6 图像离散沃尔什-哈达玛变换

--3.6.1 沃尔什-哈达玛变换学习视频

--3.6.2 图像离散沃尔什-哈达玛变换作业

-3.7 K-L变换

-- 3.7.1 K-L变换学习视频

--3.7.2 K-L变换作业

-第三章讨论题

第四章 图像增强

-4.1 图像的对比度增强

--4.1.1 图像的对比度增强学习视频

--4.1.2 图像的对比度增强作业

-4.2 直方图修正

--4.2.1 直方图均衡化学习视频

--4.2.2 直方图规定化学习视频

--4.2.3 直方图修正作业

-4.3 图像平滑

--4.3.1 图像空域平滑法学习视频

--4.3.2 图像频域平滑法学习视频

--4.3.3 图像中值滤波学习视频

--4.3.4 图像平滑作业

-4.4 同态滤波

--4.4.1 同态滤波学习视频

--4.4.2 同态滤波作业

-4.5 图像锐化

--4.5.1 图像锐化学习视频

--4.5.2 图像锐化作业

-4.6 图像的彩色增强

--4.6.1 图像彩色增强学习视频

--4.6.2 图像的彩色增强作业

-第四章讨论题

第五章 图像恢复

-5.1 退化模型及常见退化模型

--5.1.1 退化模型学习视频

--5.1.2 退化模型及常见退化模型作业

-5.2 图像的无约束恢复

--5.2.1 图像的无约束恢复学习视频

--5.2.2 图像的无约束恢复作业

-5.3 图像有约束最小二乘恢复

--5.3.1 有约束最小二乘恢复学习视频

--5.3.2 图像有约束最小二乘恢复作业

-第五章讨论题

第六章 图像压缩编码

-6.1 概述

--6.1.1 概述学习视频

--6.1.1 概述作业

-6.2 图像编码基本理论

--6.2.1 图像编码基本理论学习视频

--6.2.2 图像编码基本理论作业

-6.3 无损编码理论

--6.3.1 无损编码原理学习视频

--6.3.2 无损编码理论作业

-6.4 霍夫曼编码

--6.4.1 霍夫曼编码学习视频

--6.4.2 霍夫曼编码作业

-6.5 算数编码

--6.5.1 算术编码学习视频

--6.5.2 算数编码作业

-6.6 预测编码

--6.6.1 预测编码学习视频

--6.6.2 预测编码作业

-6.7 正交变换编码

--6.7.1 正交变换编码学习视频

--6.7.2 正交变换编码作业

-第六章讨论题

第七章 图像分割

-7.1 图像分割的定义及依据

--7.1.1 图像分割定义及依据学习视频

--7.1.2 图像分割的定义及依据作业

-7.2 边缘点检测

--7.2.1 边缘点检测学习视频

--7.2.2 边缘点检测作业

-7.3 边缘线跟踪

--7.3.1 局部边缘连接法及光栅扫描跟踪法学习视频

--7.3.2 Hough变换学习视频

--7.3.3 边缘线跟踪作业

-7.4 门限化分割

--7.4.1 门限化分割学习视频

--7.4.2 门限化分割作业

-7.5 区域分割法

--7.5.1 区域分割法学习视频

--7.5.2 区域分割法作业

-7.6 聚类分割法

--7.6.1 k-means聚类法学习视频

--7.6.2 谱聚类分割法学习视频

--7.6.3 聚类分割法作业

-第七章讨论题

第八章 图像描述

-8.1 像素间的基本关系

--8.1.1 像素间的基本关系学习视频

--8.1.2 像素间的基本关系作业

-8.2 目标物的边界描述

--8.2.1 目标物的边界描述学习视频

--8.2.2 目标物的边界描述作业

-8.3 目标物的区域描述

--8.3.1 目标物的区域描述学习视频

--8.3.2 目标物的区域描述作业

-8.4 图像的几何特征

--8.4.1 图像的几何特征学习视频

--8.4.2 图像的几何特征作业

-8.5 特征描述子

--8.5.1 特征描述子SIFT学习视频

--8.5.2 特征描述子HOG学习视频

--8.5.3 特征描述子BOW学习视频

--8.5.4 特征描述子作业

-第八章讨论题

第九章 图像分类识别

-9.1 图像匹配

--9.1.1 图像匹配学习视频

--9.1.2 图像匹配作业

-9.2 图像分类

--9.2.1 图像分类学习视频

--9.2.2 图像分类作业

-9.3 图像识别

-- 9.3.1 图像识别学习视频

--9.3.2 图像识别作业

-9.4 模式识别分类专题

--9.4.1 经典分类方法学习视频

--9.4.2 SVM分类器学习视频

--9.4.3 神经网络学习视频

--9.4.4 模式识别分类专题作业

课程思政讨论

-中国天网

-中国天网思政讨论题

西电学子实践作品分享(会持续更新)

-谁偷走了尔康的帽子

-指静脉识别

-答题卡识别

-车道检测

-谁是怪盗J

-仙女们的困惑

-身份证号码识别

-基于混合高斯模型的运动目标检测

考试

-期末测试

--期末测试

8.5.3 特征描述子BOW学习视频笔记与讨论

也许你还感兴趣的课程:

© 柠檬大学-慕课导航 课程版权归原始院校所有,
本网站仅通过互联网进行慕课课程索引,不提供在线课程学习和视频,请同学们点击报名到课程提供网站进行学习。