提取图像中的某些区域进行进一步分类

Question

我有许多图像(以及原始数据源)，它们展示了特定的特征。它们中的一些具有不同的垂直/水平区域，如下图所示，或者只是非常特定区域中的点的“斑点”/concentrations。

​

​

这些图像与特定的标签/类别相关联，例如，标签"A“在y= 700和y= 150处表现出非常有特征性的水平线(如图中标记的那些)。属于类"B“的图像在x= 200、260和370处显示垂直线，在类”C“处显示垂直线，依此类推。

除了这些已知/标记的类之外，我还有一堆图像，它们展示了这些功能之一或它们的组合。

我的目标是使用这些已知的类来训练一些ML算法，以便进一步使用它来对那些没有任何标签的图像进行分类。我知道我需要以某种方式提取这些特性(垂直/水平线，通常出现在图像右上角或(250-400,800-1500)的(x，y)区域的高密度斑点，等等)。接下来，我需要训练一些具有这些特征的ML算法，然后才能使用训练好的系统进行分类。

我已经看了3-4天的工具(像PIL，有不同的模糊，平滑和边缘检测技术，或者MDP的高斯分类器和stackoverflow上的许多帖子)。问题是我无法得到一个清晰的“解决方案流程+适当的工具”组合。

如果有人能指导我更多地了解从图像(甚至是原始数据集)中提取这些非常特殊/奇怪的特征的技术，以及/或使用的工具，我将非常感激。

Answer 1

我知道你有你的样本(训练数据)的特征向量。

如果是这样，并且你只是在寻找机器学习算法的实现，我建议你使用支持向量机SVM。一个叫做SVM-light的流行实现可以免费提供给你使用。http://svmlight.joachims.org/请注意，上面的站点给出了一个2类实现。如果您需要多类支持向量机，可以从http://svmlight.joachims.org/svm_multiclass.html获得

然而，很少有更流行的分类器是

• 最近邻分类器
• C4.5决策树
• 神经网络