SVM+HOG对图像进行分类（MATLAB实现）（转载）

网上看到关于用opencv对图像进行分类的不少，这次用MATLAB做了些尝试，图像数据集为:链接: https://pan.baidu.com/s/1i5OhC7z 密码: utn7，其他MATLAB版本http://blog.csdn.net/libin88211/article/details/19968205 ，点击打开链接，http://blog.csdn.net/jcy1009015337/article/details/53763484 另外opencv版本的为：点击打开链接，http://blog.csdn.net/always2015/article/details/47107129

废话就不说，直接上代码（适合MATLAB 2016b版本及以上），代码有相应注释。

我训练的图像在磁盘上位置如下，包含5个类别，省去了前人制作txt存储图像路径的过程：

测试图像分布为：

  
  
%% 用hog特征对图像进行多分类，svm训练， 1 VS 1
%% 1 数据集，包括训练的和测试的 (注意自己图片存放路径，附录我给出示例下载图片链接)
imdsTrain = imageDatastore( 'F:\svm_images\train_images',...
   'IncludeSubfolders', true,...
   'LabelSource', 'foldernames');
imdsTest = imageDatastore( 'F:\svm_images\test_image');


%% 显示训练的图片种类Labels和数量Count
Train_disp = countEachLabel(imdsTrain);
disp(Train_disp);

%%   2 对训练集中的每张图像进行hog特征提取，测试图像一样
% 预处理图像,主要是得到features特征大小，此大小与图像大小和Hog特征参数相关
imageSize = [ 256, 256];% 对所有图像进行此尺寸的缩放
image1 = readimage(imdsTrain, 1);
scaleImage = imresize(image1,imageSize);
[ features, visualization] = extractHOGFeatures(scaleImage);
imshow(scaleImage);hold on; plot(visualization)

% 对所有训练图像进行特征提取
numImages = length(imdsTrain.Files);
featuresTrain = zeros(numImages,size(features, 2), 'single'); % featuresTrain为单精度
for i = 1:numImages
   imageTrain = readimage(imdsTrain,i);
   imageTrain = imresize(imageTrain,imageSize);
   featuresTrain(i,:) = extractHOGFeatures(imageTrain);
end

% 所有训练图像标签
trainLabels = imdsTrain.Labels;

% 开始svm多分类训练，注意：fitcsvm用于二分类，fitcecoc用于多分类, 1 VS 1方法
classifer = fitcecoc(featuresTrain,trainLabels);

%% 预测并显示预测效果图
numTest = length(imdsTest.Files);
for i = 1:numTest
   testImage = readimage(imdsTest,i);
   scaleTestImage = imresize(testImage,imageSize);
   featureTest = extractHOGFeatures(scaleTestImage);
   [ predictIndex,score] = predict(classifer,featureTest);
   figure;imshow(testImage);
   title([ 'predictImage: ', char(predictIndex)]);
end

  
  

命令行对训练集imdsTrain
统计输出结果如下：

第一张图像显示的是提取到的HOG特征，这个主要可以初步了解下特征是否选择的合适，不合适可以调节extractHOGFeatures里面的参数，如cellsize,blocksize,bins等，具体可以参考这个点击打开链接 http://cn.mathworks.com/help/vision/ref/extracthogfeatures.html?searchHighlight=extractHOGFeatures&s_tid=doc_srchtitle。本程序选择的默认参数，从图1可以预览到特征分别合适。