这是我们要解决的问题:
- 目标是将彩色图像的像素分为3个不同的类。
- 我们有一组用于培训的人工分类数据
- 像素几乎不相互关联(每个像素都有单独的行为)-所以最有可能的分类是在每个单独的像素上,并基于它的单个特征。
- 3类近似可以映射为RED, YELLOW和BLACK色族的颜色。
- 我们需要使系统半自动,即3个参数来控制3种结果存在的概率(用于最终的微调)
考虑到这一点:
- 您会选择哪种分类技术?
- 您将使用哪些像素特征进行分类(RGB, Ycc, HSV等)?
- 对于三种结果之间的调优,您会选择哪些修改函数?
我的第一次尝试是基于
- 朴素贝叶斯分类器
- HSV(也尝试过RGB和Ycc)
- (没有找到合适的函数进行调优)
任何建议吗?由于
对于图像中的每个像素,尝试使用该像素周围的n x n窗口的颜色直方图作为其特征。对于不同光照条件下的通用颜色匹配,我很幸运地使用了色调和饱和度的二维直方图,每个维度上有相对较少的bins。根据你的照明一致性,直接使用RGB值可能是有意义的。
对于分类器,手动调优需求最容易使用类权重来表示:指定假阴性与假阳性的相对成本的参数。我只在svm中使用过这个功能,但我相信您可以找到支持类似概念的其他分类器的实现。