Создайте пользовательский экстрактор функции

Можно использовать среду bag-of-features (BoF) с множеством различных типов функций изображений. Чтобы использовать пользовательский экстрактор функции вместо стандартного ускоренных устойчивых функций ( SURF) функции экстрактора, используйте CustomExtractor свойство bagOfFeatures объект.

Пример пользовательского экстрактора функций

В этом примере показано, как записать функцию извлечения пользовательских признаков для bagOfFeatures. Можно открыть этот файл функции , взятой в качестве примера, и использовать его в качестве шаблона, набрав следующую команду в MATLAB^® командная строка:

edit('exampleBagOfFeaturesExtractor.m')

Шаг 1. Определите наборы изображений.
Шаг 2. Создайте новый файл функции извлечения.
Шаг 3. Предварительно обработайте изображение.
Шаг 4. Выберите местоположение точки для редукции данных.
Шаг 5. Извлечение функций.
Шаг 6. Вычислите метрику функции.

Определите набор изображений и меток

Чтение изображений категорий и создание наборов изображений.

setDir  = fullfile(toolboxdir('vision'),'visiondata','imageSets');
imds = imageDatastore(setDir,'IncludeSubfolders',true,'LabelSource',...
    'foldernames');

Создайте новый файл функции извлечения

Функция извлечения должна быть задана как указатель на функцию:

extractorFcn = @exampleBagOfFeaturesExtractor;
bag = bagOfFeatures(imgSets,'CustomExtractor',extractorFcn)

exampleBagOfFeaturesExtractor является функцией MATLAB. Для примера:

function [features,featureMetrics] = exampleBagOfFeaturesExtractor(img)
...

Можно также задать необязательную location выход:

function [features,featureMetrics,location] = exampleBagOfFeaturesExtractor(img)
...

Функция должна быть в пути или в текущей рабочей папке.

Аргумент	Ввод/вывод	Описание
`img`	Вход	Двоичное, полутоновое или труколорное изображение. Изображение входа из набора изображений, который первоначально был передан в `bagOfFeatures`.
`features`	Выход	M -by N числовая матрица функций изображения, где M количество функций и N является длиной каждого вектора функции. Длина функции, N, должна быть больше нуля и быть одинаковой для всех изображений, обработанных во время `bagOfFeatures` процесс создания. Если вы не можете извлечь функции из изображения, укажите пустую матрицу функций и пустой вектор метрик функций. Используйте пустую матрицу и вектор, если, например, вы не нашли точек ключа для редукции данных. Численный, действительный и неразборчивый.
`featureMetrics`	Выход	Вектор M -by-1 метрики функции, указывающий на силу каждого вектора функции. Используется для применения `'SelectStrongest'` критерии в `bagOfFeatures` среда. Численный, действительный и неразборчивый.
`location`	Выход	Матрица M -by-2 с 1-основанными [x y] значениями. Значения [x y] могут быть дробными. Численный, действительный и неразборчивый.

Предварительная обработка изображения

Входные изображения могут потребовать предварительной обработки перед редукцией данных. Чтобы извлечь функции SURF и использовать detectSURFFeatures или detectMSERFeatures функций, изображения должны быть полутоновыми. Если изображения не полутоновые, можно преобразовать их с помощью im2gray функция.

grayImage = im2gray(I);

Выберите местоположение точки для редукции данных

Используйте сетку точек с регулярными интервалами. Использование сетки над изображением позволяет выполнить плотную редукцию данных SURF. Шаг сетки находится в пикселях.

gridStep = 8;
gridX = 1:gridStep:width;
gridY = 1:gridStep:height;

[x,y] = meshgrid(gridX,gridY);

gridLocations = [x(:) y(:)];

Можно вручную объединить несколько SURFPoints объекты в разных шкалах для достижения многомасштабной редукции данных.

multiscaleGridPoints = [SURFPoints(gridLocations,'Scale',1.6);
    SURFPoints(gridLocations,'Scale',3.2);
    SURFPoints(gridLocations,'Scale',4.8);
    SURFPoints(gridLocations,'Scale',6.4)];

Кроме того, можно использовать детектор функций, такой как detectSURFFeatures или detectMSERFeatures, чтобы выбрать местоположения точек.

multiscaleSURFPoints = detectSURFFeatures(I);

Извлечение функций

Извлечение функций из выбранных местоположений точек. По умолчанию bagOfFeatures извлекает вертикальные функции SURF.

features = extractFeatures(grayImage,multiscaleGridPoints,'Upright',true);

Вычислите метрику функции

Метрики функции указывают на силу каждой функции. Большие метрические значения присваиваются более сильным функциям. Используйте метрики признаков, чтобы идентифицировать и удалить слабые функции перед использованием bagOfFeatures чтобы узнать визуальный словарь набора изображений. Используйте метрику, которая подходит для векторов функций.

Для примера можно использовать отклонение функций SURF в качестве функции метрики.

featureMetrics = var(features,[],2);

Если вы использовали детектор функций для выбора точки, используйте вместо этого метрику обнаружения.

featureMetrics = multiscaleSURFPoints.Metric;

Можно при необходимости вернуть информацию о местоположении функции. Расположение функции может использоваться для пространственных или геометрических приложений поиска изображений верификации. Смотрите пример «Геометрическая верификация с использованием estimateGeometricTransform2D функции». retrieveImages и indexImages функции используются в системах поиска изображений на основе содержимого.

if nargout > 2
    varargout{1} = multiscaleGridPoints.Location;
end

Документация