Bag of Features (BOF)图像检索和分类算法

一. Bag of Features图像检索算法

可参考：Bag of Features (BOF)图像检索算法，下图也来自这篇博客。

每幅图像都是一个bag，本质是一列频数表，也就是直方图向量。

人们认为，从图像中提取的SURF描述符(或者SIFT描述符等)，这些描述符仍然属于一种浅层（low level）的特征表达，缺乏代表性。因此，需要生成图像的BOF，并认为BOF是图像的高层特征。

 

二. Bag of Features图像分类算法

前四个步骤和上述检索算法相同。然后，我们把每幅图像都变为bag of features之后，也就得到每幅图片的直方图向量之后，根据数据库图片的向量以及图片的标签，训练分类器模型。然后对需要预测的图片，仍然按照上述的第3-4步骤，得到该图片的直方图向量，用分类器模型对这个直方图向量进行分类。

 

三. TF-IDF和加权的BOF

可参考：浅析 Bag of Feature。下图也来自该博客。