[纹理分类]利用随机特征做纹理分类_刘丽

1、纹理分类的概要内容

①首先，纹理特征提取：确定不同纹理的特征描述，然后从便于分类的角度出发对所得特征描述处理得到相应特征向量；
②接着，训练：建立特定分类器，将训练集的特征向量放入分类器中训练；
③最后，分类：训练好了的分类器就会对测试集中的每一幅图像进行分类。

2、文章算法的基本思想

步骤：

1. 稠密采样
   对单个像素点周围的9*9=81个像素，进行稠密采样。这里还用随机投影的方法对81个像素点进行了降维。
2. K-means聚类
3. 得到直方图
   对每张图片形成直方图。
4. SVM分类

这和bag-of-words词袋模型的原理基本是一样的，只不过在纹理中叫做基元texton。

这篇文章是在Zisserman的 A Statistical Approach to Material Classification Using Image Pathches, PAMI,2009. 上面改进的。

3、K-means聚类算法

基本思想：
然后将n个数据对象划分为k个聚类以便使得所获得的聚类满足：同一聚类中的对象相似度较高；而不同聚类中的对象相似度较小。
聚类相似度是利用各聚类中对象的均值所获得一个“中心对象”（引力中心）来进行计算的。

注意：
1. 以欧式距离作为相似度测度