高階視覺之影象分類
這裡所關注的問題：根據影象是否包含某個特定物體來分類影象、分類場景、分類材質
分類：提取影象（描述）特徵、訓練分類器（機器學習方法）、驗證分類器
一、一起聊聊影象的特徵提取吧！（更關注的是全域性資訊，而不是區域性，比如佈局等，所以經典的SIFT失效啦，但在構建視覺詞典的時候還是能用到SIFT的）
方法一：GIST特徵
32個gabor filter（8個orientation ，4 個scale），將卷積結果分為16個region，每個region求一個平均值，最終形成一個32*16=512維的特徵向量，能表示梯度資訊。
GIST特徵常用來表示場景
方法二：visual word
影象特徵由多個patch來描述，生成影象關於不同patch個數的直方圖作為影象特徵描述子
建立詞典：由多個patch的sift描述子構成（每個patch有一個描述子），通過k-means方法，獲得型別相似的patch描述子
生成影象的直方圖：給定一個影象，提取所有特徵點，特徵點與其周圍的畫素點形成patch，特徵點的sift描述子可作為patch的描述，依次與詞典中patch做距離運算進行聚類，記錄最近的類，為其個數加1。最終可以得到影象關於詞典中特徵出現個數的向量描述。
存在的問題：全域性的統計資訊，無法區分位置資訊
Spatial pyramids 空間金字塔（構建多尺度金字塔 ，對visual word的改進）
多尺度體現在把影象分為不同個數的塊（1、4、16塊，在每個塊上計算基於visual word的特徵表示）
通常獲取的特徵向量維數太大，需要降維處理，因而引出資料降維
二、得到的特徵向量太大了運算不好，於是乎人們提出了降維！
PCA:
選取使得樣本間的方差最大的投影子空間
選取k個主要的投影子空間，得到k維的資料。
存在問題：僅僅是重建資料，對分類無益，引出了LDA，我們是對特徵資料降維處理，自然是希望降維後的資料能保持區分性
LDA：
投影子空間使得類間差別最大，類內差別最小
終於獲得了影象完美的資料特徵（運算量可接受），下一步就可以訓練分類器啦，然後分類影象。