对一篇论文中的特征提取,有一个问题没弄懂,想请教大家
①论文中特征提取的方法描述如下:
首先,对两张人脸图像,分别用SIFT检测子检测出若干个关键点。对一幅图像的每个关键点,将位置坐标作为该点几何特征,同时该点还会得到一个SIFT特征。也即对一幅图像,其几何特征是Nx2矩阵,其SIFT特征是Nx128矩阵。
为了描述这些关键点的纹理特征,作者采取级联SIFT特征和SURF特征的方式。
之后,用Lowe匹配方法筛选SIFT关键点,剔除掉无法配对的异常点。
②存在的疑问是:
1、提取的SURF特征也是Kx64维矩阵,矩阵的每一行代表某个关键点的SURF特征。这样,如何将SURF特征与SIFT特征级联?
2、上一个问题考虑过可以将Kx64维矩阵转换成行向量,然后与SIFT特征级联。但是两幅图像的SURF关键点个数K不一样,这样级联后两幅图像的特征维数就不一样了。
3、考虑过将SURF关键点也用Lowe匹配方法,使得两幅图的关键点个数一样,但是测试得到的匹配效果不好。还考虑过用PCA降维至相同的维数,不知道是否可行
最后还是自己找到了解决办法。
自己重新看了Lowe匹配的代码,以及matlab自带的matchFeature函数的代码。发现在匹配前,这两个代码中都对特征向量进行了单位化(转换成单位向量)的处理。因此,自己编写代码实现对SURF特征的单位化后,再用Lowe匹配方法筛选,可以得到大多数正确的匹配对。
这样,两幅图像的SURF关键点个数就一致了(假设个数均为K),再加上SURF特征的特征维数固定为64,则整幅图像的SURF特征的维数也就相等了(均是K·64)。
最后,把K·64维的SURF特征向量级联到每个SIFT关键点的SIFT特征向量,则两幅图像均可得到(K·64+128)维的纹理特征了。
博主,请问你看的是哪篇论文,你提到的两张图片是怎么回事,不能一张一张提取纹理吗?
看的是2016年的一篇人脸识别的文章,Robust Point Set Matching for Partial Face Recognition
提取是一张一张提取,不是同时提取两个
识别过程要找到与测试人脸最相似的样本人脸,所以这里简化为两张图片
另外,给作者发邮件后发现,自己写的这个做法和作者的其实不一样。作者是确定关键点的位置后,对每一个关键点,同时提取sift和surf特征。
@Iris_Ludwig: 谢谢,我已经下载了这篇论文,要是又不懂恐怕还得请教你~~
@Iris_Ludwig: 我看了这篇论文,对于特征提取这部分的讲述太少了。我不太明白~~可不可以加一下QQ:1940707055,谢谢~~