Histogram intersection(直方图交叉核,Pyramid Match Kernel)

直方图交叉核与金字塔匹配：原理与应用
最新推荐文章于 2023-09-05 11:11:45 发布
最新推荐文章于 2023-09-05 11:11:45 发布
阅读量2.5w 收藏 46
点赞数 8
CC 4.0 BY-SA版权
分类专栏： 计算机视觉 文章标签： Histogram intersecti Pyramid Match Kernel PMK 直方图交叉核
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/smartempire/article/details/23168945
Histogram Intersection方法源于Pyramid Match Kernel论文，用于图像特征直方图的相似度匹配。通过调整直方图间隔，计算不同数据集间的相似度，权重wi按2的-i次方设置。该方法适用于原始LBP，但可能不适合Extended LBP因其等价模式取值有限。

看关于LBP人脸识别的论文时提到了Histogram intersection这个方法，方法最初来自The Pyramid Match Kernel:Discriminative Classification with Sets of Image Features这篇论文，用来对特征构成的直方图进行相似度匹配，下面介绍下原理。

假设图像或其他数据的特征可以构成直方图，根据直方图间距的不同可以得到多种类型的直方图：

论文里是这么设置的，假设​H0(x)里每个直方图宽度为a，那么​H1(x)为2a，以此类推。举个例子，假设有某计算机学院男生身高范围在160cm-200cm，H0(x)宽度可以设置为2cm，那H0(x)里会有20个直方图；类推H1(x)宽度则为4cm，H1(x)会有10个直方图。

最低0.47元/天 解锁文章

新学期VIP享超值加赠
直方图交叉核
hong__fang的专栏
01-20 9354
本文主要介绍：直方图交叉核（Histogram intersection kernel）又称 Pyramid match kernel，本文主要介绍其原理与计算方法。 1. 基本思想 直方图交叉核（Histogram intersection kernel）又称Pyramid match kernel，该核是一种基于隐式对应关系的内核函数，解决了无序、可变长度的矢量集合的判别分类的
SPM kernel（ histogram intersection）
NaNaLab的专栏
07-08 4047
刚跟老师探讨直方图交叉核算法，因为这个算法是在看cvpr'2006 BOF那篇paper时看到的，当时没仔细研究，今天被问到了。觉得虽然比较简单，还是写出来理解得比较透彻些。 实际上histogram intersection kernel最初来自2005_ICCV_The pyramid match kernel Discriminative classification with sets
直方图交叉核 对应上一篇中的概念
张齐贤的博客
10-02 1482
https://blog.youkuaiyun.com/zqx951102/article/details/101796007 对这篇的直方图交叉核进行解释！！ 本文主要介绍：直方图交叉核（Histogram intersection kernel）又称 Pyramid match kernel，本文主要介绍其原理与计算方法。 1. 基本思想 直方图交叉核（Histogram intersection...
Histogram intersection(直方图交叉核)
Dachao_Xu的博客
01-07 8146
导师让汇报selective search论文，在论文里出现了两次像这样的公式： 一开始以为是求两者之间的做小，后来发现是关于直方图方面的知识。于是就上网查了下。 在LBP人脸识别里用到了这个方法，是用来对特征图进行相似度匹的，原理如下： 假设图片的特征可以构成直方图，根据直方图的间距不同可以得到多种类型的直方图： 上面是直方图的集合，假设​H0(x)里
经典论文阅读笔记——BoW Model篇
cfanchk的博客
01-10 3998
一、文本表达的BoW模型 Bag of Words模型最初被用在NLP或IR中，将文档表示成特征矢量。该模型忽略掉文本的语法和语序， 用一组无序的单词(words)来表达一段文字或一个文档。简单说就是将文本看作一个装满了单词的袋子（模型名字的由来），根据袋子里装的是哪类型的词汇来将其分类，而不管这些单词出现在文本中的什么地方。 引用维基百科上的一个简单例子： (1) John l
人脸识别经典算法二：LBP方法
luckyspecter的博客
06-16 1336
LBP（Local Binary Patterns，局部二值模式）是提取局部特征作为判别依据的。LBP方法显著的优点是对光照不敏感，但是依然没有解决姿态和表情的问题。不过相比于特征脸方法，LBP的识别率已经有了很大的提升。在[1]的文章里，有些人脸库的识别率已经达到了98%+。 1、LBP特征提取 最初的LBP是定义在像素3x3邻域内的，以邻域中心像素为阈值，将相邻的8个像素的灰度值与其进行比较，若周围像素值大于中心像素值，则该像素点的位置被标记为1，否则为0。这样，3x3邻域内的8个点经比较可产生8位二进
“直方图交集核“（Histogram Intersection Kernel）
m0_55118017的博客
09-05 429
直方图交集核通常用于图像处理、计算机视觉和模式识别等领域，用于比较图像、物体或特征的相似性。这种核函数对于处理具有不同尺度、旋转或变换的数据具有一定的鲁棒性，因为它关注特征分布的交集而不是具体的特征值。在这个核函数中，每个数据集或样本被表示为一个直方图，其中直方图的每个条目表示数据点的某种特征或属性。其中，i 是直方图的某个条目或某个特征的索引，Σ 表示对所有特征进行求和。核函数计算的结果是两个直方图之间的交集值的总和。直方图交集核越大，表示两个数据集越相似，因为它们的特征分布更相似。
Histogram intersection(SVM直方图交叉核)
Ema1997的博客
03-22 1292
SVM核函数形式 SVM核函数形式： max⁡α∑i=1mαi−12∑i=1m∑j=1mαiαjyiyjk(xi,xj)s.t.∑i=1mαiyi=0,αi≥0,i=1,2,…,m \max_\alpha{\sum_{i=1}^m{\alpha_i}-\frac{1}{2}\sum^m_{i=1}{\sum_{j=1}^m{\alpha_i\alpha_jy_iy_jk(x_i,x_j)}}}\\...
图像相似度检测之直方图相交（基于颜色的图像检索）
06-18
图像相似度检测之直方图相交（基于颜色的图像检索），传统直方图相交法，巴士系数法：欧式距离法
直方图相交法
weixin_30629653的博客
08-29 492
转载于:https://www.cnblogs.com/xuepei/p/3945650.html
图像相似度检测之直方图相交
潜心
06-24 7033
基于颜色直方图的图像相似度比较
学习OpenCV2 —— 直方图匹配
Markala的博客
03-04 3873
本文详细介绍了在opencv2中如何进行直方图匹配
直方图交叉核 c语言
最新发布
06-19
直方图交叉核是一种用于比较两个直方图相似性的方法，其基本思想是通过计算两个直方图中对应 bin 的最小值之和来衡量它们的相似性。这种核函数在图像处理和计算机视觉领域有广泛应用[^1]。 以下是直方图交叉核在 C 语言中的实现示例代码： ```c #include <stdio.h> #include <stdlib.h> // 计算直方图交叉核 double histogramIntersectionKernel(double *hist1, double *hist2, int bins) { double kernelValue = 0.0; for (int i = 0; i < bins; ++i) { kernelValue += (hist1[i] < hist2[i]) ? hist1[i] : hist2[i]; } return kernelValue; } int main() { // 示例直方图数据 int bins = 5; double hist1[] = {10, 20, 30, 40, 50}; double hist2[] = {5, 15, 25, 35, 45}; // 计算直方图交叉核 double result = histogramIntersectionKernel(hist1, hist2, bins); // 输出结果 printf("Histogram Intersection Kernel Value: %.2f\n", result); return 0; } ``` ### 代码说明 - 函数 `histogramIntersectionKernel` 接收两个直方图数组 `hist1` 和 `hist2` 以及它们的 bin 数量 `bins`。 - 通过遍历每个 bin，计算两个直方图对应 bin 值的最小值，并累加得到最终的核值。 - 示例数据为两个简单的直方图，分别包含 5 个 bin，每个 bin 的值分别为 `[10, 20, 30, 40, 50]` 和 `[5, 15, 25, 35, 45]`。 直方图交叉核的实现依赖于高效的内存操作和循环优化，这正是 C 语言擅长的领域[^1]。 ### 直方图交叉核的应用 直方图交叉核常用于图像检索、目标检测等任务中，通过比较图像的直方图特征来评估相似性。它与反向投影类似，都是基于直方图模型进行特征匹配的方法[^4]。
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值