图像识别中的 K-Nearest Neighbor答案

【问题标题】：K-Nearest Neighbor in Image Recognition图像识别中的 K-Nearest Neighbor
【发布时间】：2011-06-24 07:05:57
【问题描述】：

我目前正在研究项目或研究指南/教程。我必须确定三个不同的叶子物种，并且每个使用 100 个样本（具体来说是 300 个），我的教授要求我在使用上传的 100 个样本对系统中上传的图像进行分类时暗示 K-最近邻算法数据库作为参考。

我已经为系统完成了样本的上传和图像处理，但我仍然需要应用KNN算法对它们进行分类，有什么建议或分步教程吗？

是否需要研究算法的编码，或者是否有现成的库可以轻松应用C#语言图像分类中的KNN？每个叶子有 100 个图像样本就足够了吗？

更多信息：martijin_himself 的回答

是的，我说的是树叶。嗯，一个问题是，唯一要考虑的特征是树叶的形状。忽略其他特征，如颜色、大小等。而且我不确切知道何时或如何提取这些“特征向量”，将它们放在哪里以及如何将图像样本用作要分类的叶子的参考

关于系统的图像处理部分，图像经过二值化和斑点处理，使图像仅考虑其形状特征。因此，我在数据库中上传的所有样本也是如此。如果我缺少答案所需的信息，我感到非常抱歉。请多多包涵。

提前致谢！ :)

【问题讨论】：

我认为问题中没有足够的信息来回答它。您能告诉我们更多关于系统的图像处理部分的信息吗？
KNN 很微妙，提供的信息很少。您应该开始阅读 Wikipedia 并在 Google 上搜索一段时间。然后提出一个更有针对性的问题。
@Adrian McCarthy - 我已经添加了信息。在这个问题上，提前谢谢。
@belisarius - 是的，确实，我在研究 KNN 方面遇到了困难，但我仍然不知道如何在系统中实现它。我看过/读过一些关于 KNN 的笔记，但大部分只涉及数据挖掘和分析。没有太多关于编程或图像/模式识别过程。

【解决方案1】：

如果我理解正确，您有一个包含 300 张图像的训练集，每个类别（或标签）有 100 张。

首先，您必须定义特征向量，这是您认为对图像分类很重要的一组图像特征或属性。如果您在谈论（树）叶子，那么其中一个特征可能是图像中的颜色值？

第二步是定义一个计算特征向量之间距离的距离函数。例如，带有大量红色的图像与带有大量绿色的图像的距离会更大。您甚至可以权衡特征以反映它们对距离的影响的重要性。

接下来，您可以选择 k 值，并测试您的特征向量和距离函数的组合在对具有已知标签的训练集的图像进行分类方面的表现。这称为交叉验证。如果您的特征向量和距离函数表现不佳，您可能选择了不代表该类的属性（例如图像的大小）。

在 c# 中实现此功能时，您可以为每个图像或类似的东西创建一个 FeatureVector 类，并可能实现 IComparable（或类似）接口来计算与某个已知样本的距离函数。然后，您可以简单地创建一个列表并对其进行排序。这只是一个建议。

【讨论】：

是的，我说的树叶很好，一个问题是，唯一要考虑的特征是树叶的形状。忽略其他特征，如颜色、大小等。而且我不确切知道何时或如何提取这些“特征向量”，将它们放在哪里以及如何将图像样本用作要分类的叶子的参考。
参考数据库中的图像。它们会是什么样子。
@user610075 作为一个例子有时周长/面积的比率用于获得形状分开。当然还有很多其他的。
@belisarius 那么如果我使用“基于区域的像素匹配”而不是 KNN 就足够了吗？只是一个我很好奇的问题，也许我可以告诉我的教授，关于结果的准确性，你更喜欢哪个？
@user610075 每个数据集都是一个世界。我应该怎么提前知道？做一些实验。像 Mathematica 这样的软件可以让您快速制作原型。

【解决方案2】：

因此，我将图像分为两部分（顶部和底部）。但是我有三个特征向量（叶子的面积、顶部的面积和底部的面积）。与数据库中的所有样本相同。

因此，考虑到我拥有的三个特征向量，我设法通过计算它们的距离/s（欧几里得、w/c 包含在 K-NN 算法中）将 K-NN 算法应用于我的研究，并根据它们对它们进行分类在用户定义的 K 值上。因此，结果以百分比表示。

感谢大家的帮助^_^

【讨论】：