GIST特征描述符使用

一种场景特征描述 场景特征描述？ 通常的特征描述符都是对图片的局部特征进行描述的，以这种思路进行场景描述是不可行的。 比如：对于“大街上有一些行人”这个场景，我们必须通过局部特征辨认图像是否有大街、行人等对象，再断定这是否是满足该场景。但这个计算量无疑是巨大的，且特征向量也可能大得无法在内存中存储计算。 例如即使使用GIST进行1MB的图像数据搜索，也需要3.8GB的RAM空间。 —— Evaluation of GIST descriptors for web­scale image search Talk 这迫使我们需要一种更加“宏观”的特征描述方式，从而忽略图片的局部特点。比如：我们无需知道图像中在那些位置有多少人，或者有其他什么对象。 那么应该如何定义一种“宏观”的场景特征描述呢？ 我们注意到： 大多数城市看起来就像天空和地面由建筑物外墙紧密连接；大部分高速公路看起来就像一个大表面拉伸天际线，里面充满了凹型（车辆）；而森林场景将包括在一个封闭的环境中，有垂直结构作为背景（树），并连接到一定纹理的水平表面（草）。 如此看来，空间包络可以一定程度表征这些信息。   五种空间包络描述 我们定义下列五种对空间包络的描述方法： 自然度（Degree of Naturalness）：场景如果包含高度的水平和垂直线，这表明该场景有明显的人工痕迹，通常自然景象具有纹理区域和起伏的轮廓。所以，边缘具有高度垂直于水平倾向的自然度低，反之自然度高。 开放度（Degree of Openness）：空间包络是否是封闭（或围绕）的。封闭的，例如：森林、山、城市中心。或者是广阔的，开放的，例如：海岸、高速公路。 粗糙度（Degree of Roughness）：主要指主要构成成分的颗粒大小。这取决于每个空间中元素的尺寸，他们构建更加复杂的元素的可能性，以及构建的元素之间的结构关系等等。粗糙度与场景的分形维度有关，所以可以叫复杂度。 膨胀度（Degree of Expansion）：平行线收敛，给出了空间梯度的深度特点。例如平面视图中的建筑物，具有低膨胀度。相反，非常长的街道则具有高膨胀度。 险峻度（Degree of Ruggedness）：即相对于水平线的偏移。（例如，平坦的水平地面上的山地景观与陡峭的地面）。险峻的环境下在图片中生产倾斜的轮廓，并隐藏了地平线线。大多数的人造环境建立了平坦地面。因此，险峻的环境大多是自然的。 从而基于这五点对图像进行特征描述。 本文并不准备深入GIST的算法，如想了解具体算法，请参考参考资料1。   MatLab实现 参考资料2提供了一个MatLab实现。 例如通过图片计算GIST特征描述，在使用LMgist的情况下，可以这么写： % 读取图片 img = imread('demo2.jpg'); % 设置GIST参数 clear param param.orientationsPerScale = [8 8 8 8]; % number of orientations per scale (from HF to LF) param.numberBlocks = 4; param.fc_prefilt = 4; % 计算GIST [gist, param] = LMgist(img, '', param); 具体请参考参考资料2。   C实现 首先在LEAR下载其提供的Lear's GIST implementation。 由于其基于FFTW3（the Faster Fourier Transform in the West），所以我们还需要先安装fftw3。 在下载页面下载一个合适的FFTW3版本。 Linux或者Mac需要在终端运行configure时配置浮点数版本（Windows没试过，不过Lear's GIST implementation的Readme中说明了只能在Linux和Mac上跑，所以Windows安装这个也没有……），即 ./configure --enable-single  在进行编译： make make check sudo make install 编译Lear's GIST implementation 需要将Makefile的： compute_gist: compute_gist.c gist.o standalone_image.o gcc -Wall -g -o $@ $^ $(WFFTLIB) -lfftw3f 添加-lm，改成： compute_gist: compute_gist.c gist.o standalone_image.o gcc -Wall -g -o $@ $^ $(WFFTLIB) -lfftw3f -lm 然后： make 将生成compute_gist程序，则可以对PPM图片进行GIST计算。例如在终端输入： ./compute_gist ar.ppm 将会出现960个浮点数，如下： 0.0579 0.1926 0.0933 0.0662 .... …… .... 0.0563 0.0575 0.0640   注意事项 输入图片必须是原始（也就是二进制）的PGM/PPM格式的图片。 输入图片的尺寸必须是相同的，否则计算出来的GIST没有什么意义。 通过SVM训练来进行图片检测，2001年那篇论文得出83.7%的判断准确度。   参考资料 Modeling the Shape of the Scene: A Holistic Representation of the Spatial Envelope . Aude Oliva & Antonio Torralba . January 22, 2001 Modeling the shape of the scene: a holistic representation of the spatial envelope DEMO

来源： http://www.cnblogs.com/justany/archive/2012/12/06/2804211.html