如何从可变数量的图像描述符（SURF）创建单个恒定长度特征向量

Question

我的问题如下：

• 我有6种类型的图像或6类。例如，猫，狗，鸟等。
• 对于每种类型的图像，我都有该图像的许多变体。例如，棕猫，黑狗等。
• 我目前正在使用支持向量机（SVM）通过“一站式”与“休息”的分类对图像进行分类。我正在将每个图像展开为单个像素向量，并将其用作给定图像的特征向量，我正在经历不错的分类精度，但是我想尝试一些不同的方法。
• 我想使用图像描述符（尤其是SURF特征）作为每个图像的特征向量。问题是，每个给定的图像只能有一个特征向量，并且在特征提取过程中得到的SURF特征数不一。例如，一张猫的照片可以给我40个SURF特征，而一张狗的照片可以给我68个SURF特征。我可以选择n个最强的功能，但是无法保证所选的SURF功能可以描述我的图像（例如，它可以聚焦于背景）。也不能保证找到任何SURF功能。

因此，我的问题是，如何获得许多观测值（每个观测值都是SURF特征向量），然后将这些观测值“折叠”到一个描述原始图像的单一特征向量中，并可以输入到SVM中进行训练？

谢谢你的帮助！

Answer 1

通常，SURF 描述符使用 K 均值字典进行量化，并聚合成一个 l1 归一化直方图。因此，您对 SVM 算法的输入现在大小是固定的。