week5 Bag of Visual Words (Bag of Features)

Bag of Visual Words (Bag of Features)

采用k -means 聚类方法对所提取的大量特征进行无监督聚类，将具有相似性较强的特征归入到一个聚类类别里，定义每个聚类的中心即为图像的“单词”，聚类类别的数量即为整个视觉词典的大小。这样，每个 图像就可以由一系列具有代表性的视觉单词来表示， 在得到每类图像的视觉单词袋表示之后，便可以应用这些视觉单词来构造视觉词典，然后对待分类图像进行同样方法的特征提取和描述，最后将这些特征对应到视觉词典库中进行匹配，去寻找每个特征所对应的最相似的视觉单词，得到直方图统计表示，然后应用分类器进行分类。这样就将应用于文档处理的BOW模型思想成功地移植到了图像处理领域。

Steps:

1. Feature extraction

   特征提取

2. Learn “visual vocabulary”

   学习“视觉词汇

3. Quantize features using visual vocabulary

   使用视觉词汇量化特征

4. Represent images by frequencies of “visual words”

   用“视觉单词”的频率表示图像

Feature extraction 局部特征提取

通过分割、密集或随机采集、关键点或稳定区域、 显著区域等方式使图像形成不同的patches，