Извлечение функций из цветных изображений

Question

Я хочу извлечь функции для классификации цвета на основе AI.Мне известно об использовании гистограммы цветовых пространств в качестве вектора признаков, однако использование нескольких гистограмм цветового пространства сделает мои входы нейронной сети слишком большими.Единственное цветовое пространство RGB даст мне (3x256 = 768 функций).Использование более одного цветового пространства для разных вариаций одного и того же изображения - это слишком много возможностей.Я избегаю использовать среднее значение гистограмм, потому что я хотел бы знать распределение цвета изображения.Изображения состоят только из цвета, без краев или объектов.Приветствуются любые предложения о том, какие алгоритмы использовать.

Это примеры цветных изображений, с которыми я хочу работать

Answer 1

Я вижу вашу проблему в том, что вы хотите охарактеризовать ваше изображение по доминирующему цвету. Простая схема классификации без использования нейронной сети может заключаться в том, чтобы найти доминирующий цвет в вашем изображении.Ниже приведен фрагмент кода MATLAB о том, как это сделать.

image = imread('image.png');
imshow(image);
histR = imhist(image(:,:,1));
histG = imhist(image(:,:,2));
histB = imhist(image(:,:,3));
[~, idxR] = max(histR);
[~, idxG] = max(histG);
[~, idxB] = max(histB);
dominant_colour_feature = [idxR, idxG, idxB] - 1; % 1 is subtracted because of MATLAB indexing scheme

Я не уверен, какой тип классификации вы ищете.С помощью этого подхода можно просто классифицировать виды изображений, с которыми вы работаете.В зависимости от ваших требований мы можем дополнительно изменить схему.

Я попробовал это на одном из ваших изображений: , и на выходе было (254 228,0), которое в значительной степени похоже на это .Может быть, вы ищете что-то еще.

Answer 2

Если вы хотите рассмотреть классификацию, основанную исключительно на цвете, цветовые гистограммы, безусловно, являются правильным выбором.Вы не хотите использовать все цветовое пространство RGB, поскольку это приведет к огромному пространству объектов, как вы уже заметили.

Вместо этого вы должны сначала изучить binning вашу гистограмму (как объяснено выше). здесь ).Это уже уменьшит ваше пространство функций на выбранный вами фактор.

Вы можете еще больше улучшить свои результаты и сократить количество функций, исключив цветовые диапазоны, которые вам просто не интересны (в вашем случае, вероятно, синий ~красный).Вы также можете найти правильные центры для своих корзин, в зависимости от наиболее часто встречающихся цветовых центров, например, выполнив k-означает в цветовом пространстве.