如何从超体素中提取特征？答案

【问题标题】：How to extract features from supervoxels?如何从超体素中提取特征？
【发布时间】：2017-08-11 19:16:25
【问题描述】：

我听说过有关颜色（直方图）、纹理（局部二进制模式）和形状（SIFT、BoW、HOG、HOF）的特征，但我不知道如何计算它们。

【问题讨论】：

【解决方案1】：

首先，我认为您的意思不是超级体素，但我可能是错的。超像素似乎是您正在寻找的术语，它可以解释相对缺乏响应，超体素指的是 3D 空间，但是下面描述的技术在 N 维空间中应该是等效的。

见here:很多问题（尽管仍然没有多少人谈论特征提取，我不觉得这个问题是重复的）

试图给你一些表面上的答案，根据 Texture for Superpixels?，您可以通过找到每个超像素的质心并找到要计算的区域（即 20 x 20 像素）来找到这些问题的答案。我建议如果您要这样做，并且您有超像素的宽度和高度信息，请根据这些尺寸缩放这个 20x20 区域。无论如何，传统的特征提取方法应该可以工作，并且可以根据实现高度并行。

如果你不想走这条路，下面的方法可以工作

从color histogram 开始，这应该与任何其他方形图像分割算法的工作方式相同，您只需查看所有像素并将颜色值累积到直方图中，我不明白为什么这会很困难。

对于纹理信息，取决于您希望提取的特征类型，它可能或多或少复杂，如果您的特征在空间上是不变的，这就像颜色直方图一样简单。对于local binary pattern，您只需找到超像素的质心并假设相同的算法（如果您自己从未实现过，请单击链接了解它是如何工作的）。您可能会忽略超像素之外的区域。

如果我理解HOG，它对于您正在使用的形状也是不变的，这意味着您可以假设您有亚像素信息，那么您可以按超像素计算它。 HOF（我必须通过 wiki 查找此信息，没有关于此的信息）理论上，光流直方图将具有相同的属性（基于直方图的方法），因此在给定超像素的情况下应该可以通过相同的逻辑计算它。 (HOF and HOG lecture discussing algorithm)

BOW 据我所知不是一种特定的特征提取技术，而是一种通用模型，所以我将忽略这个。

SIFT 特征可以通过正常的计算方法提取，超像素不是规则矩形这一事实在 SIFT 特征的计算中似乎并不重要（SIFT 链接中提供了算法大纲）

【讨论】：

谢谢。实际上我的意思是超体素而不是超像素。我为这个问题添加了一个“3d”标签。但是，它们有些相似，您的信息很有帮助。