數(shù)字圖像處理大作業(yè)2008

1、數(shù)字圖像處理大作業(yè)2008本次作業(yè)的任務(wù)是進(jìn)行圖片分類實(shí)驗(yàn)，實(shí)驗(yàn)數(shù)據(jù)集由20個(gè)類別共2000張圖片組成，其中1000張圖片用于訓(xùn)練，另1000張圖片用于測(cè)試（詳情見附錄A）。圖片分類程序的常見步驟【建議】圖片分類程序可以分為以下5個(gè)步驟：(1) 為訓(xùn)練圖片提取底層特征，用特征向量表示訓(xùn)練圖片； (2) 利用訓(xùn)練圖片的特征向量和類別標(biāo)注數(shù)據(jù)訓(xùn)練分類器；(3) 為測(cè)試圖片提取底層特征，用特征向量表示測(cè)試圖片；(4) 使用訓(xùn)練好的分類器對(duì)測(cè)試圖片的特征向量進(jìn)行預(yù)測(cè)分類；(5) 對(duì)預(yù)測(cè)分類的結(jié)果進(jìn)行評(píng)測(cè)。底層特征【要求】在本次大作業(yè)中，至少要用到以下底層特征：(1) HSV顏色特征：將H通道量化到18

2、個(gè)值，S通道量化到3個(gè)值，V通道量化到3個(gè)值，HSV三個(gè)通道共量化到18x3x3=162個(gè)值；(2) CIE-Lab顏色特征：將L通道量化到4個(gè)值，a通道量化到8個(gè)值，b通道量化到8個(gè)值，Lab三個(gè)通道共量化到4x8x8=256個(gè)值；(3) 除HSV顏色特征和CIE-Lab顏色特征以外，自選一種顏色特征；(4) 除以上顏色特征之外，自選2種非顏色類的底層特征(比如說，紋理特征和形狀特征)?！窘ㄗh】除以上要求的底層特征之外，可以自己查閱資料，使用更多更好的底層特征?！窘ㄗh】可以在對(duì)不同的底層特征進(jìn)行融合的過程中，觀察不同的底層特征之間的互補(bǔ)關(guān)系，并加以分析。分類方法【要求】在本次大作業(yè)中，至少要

3、用到以下分類器：(1) Libsvm：SVM是一種被廣泛采用的分類方法，Libsvm是一個(gè)應(yīng)用非常普遍的開源的SVM實(shí)現(xiàn)，當(dāng)前的最新版本是2.85版本(下載地址);(2) 除Libsvm外，自選另外兩種分類方法?！窘ㄗh】除以上要求的分類器之外，可以自己查閱資料，使用更多更好的分類方法?！窘ㄗh】可以在實(shí)驗(yàn)過程中，觀察不同的分類方法的效果優(yōu)劣，并加以分析。統(tǒng)一的預(yù)測(cè)分類結(jié)果文件格式為了便于進(jìn)行圖片分類結(jié)果的評(píng)測(cè)和比較，在實(shí)驗(yàn)的過程中請(qǐng)將圖片分類結(jié)果輸出為以下統(tǒng)一的格式：(1) 每一行由3個(gè)數(shù)字組成，分別是圖片(在整個(gè)圖片集中)的序號(hào)、圖片的真實(shí)(標(biāo)注)類別、圖片分類程序的預(yù)測(cè)類別；(2) 由于共有

4、1000張圖片，該文件共有1000行。50 1 151 1 31999 20 20結(jié)果評(píng)測(cè)指標(biāo)圖片分類實(shí)驗(yàn)的評(píng)測(cè)指標(biāo)平均準(zhǔn)確率A是所有類別的準(zhǔn)確率的平均值，即：A=(A1+A2+A20)/ 20其中Ai是對(duì)類別i的測(cè)試圖片進(jìn)行預(yù)測(cè)分類的準(zhǔn)確率，定義如下：Ai=Ri / Ni其中Ri是類別i的測(cè)試圖片中預(yù)測(cè)分類正確的圖片的數(shù)目， Ni是類別i的測(cè)試圖片的數(shù)目(對(duì)于本次作業(yè)的圖片集Ni=50)。結(jié)果顯示【要求】圖形界面：實(shí)現(xiàn)一個(gè)圖形化的界面用來展示圖片分類結(jié)果?！窘ㄗh】可以按照下圖進(jìn)行圖形化演示界面的設(shè)計(jì)。其中A為圖片類別列表，B為當(dāng)前選定類別的訓(xùn)練圖片列表，C為當(dāng)前選定類別的測(cè)試圖片列表?！窘ㄗh

5、】圖形化演示界面的原則是越能清楚地反應(yīng)圖片分類結(jié)果越好，越美觀越好。并不一定要按照上面的結(jié)構(gòu)進(jìn)行設(shè)計(jì)?！疽蟆緾onfusion matrix: 將圖片分類結(jié)果的Confusion matrix以一張圖的形式顯示出來。Confusion matrix是一個(gè)20x20的矩陣，其中的第(i,j)個(gè)元素，是測(cè)試圖片中第i類圖片被判斷為第j類的概率。Confusion matrix中每一行中所有元素的和應(yīng)為1。Confusion matrix中對(duì)角線上的第(i,i)個(gè)元素是第i類圖片的分類準(zhǔn)確率Ai，對(duì)角線上所有元素的平均值就是圖片分類實(shí)驗(yàn)的平均準(zhǔn)確率A。【建議】盡量將Confusion matrix

6、的圖做的清楚，美觀。例子：下面是一個(gè)6個(gè)類別的圖片分類實(shí)驗(yàn)的Confusion matrix(出處)。Confusion Matrix的數(shù)據(jù)：0.9692 0.0031 0.0021 0.0051 0.0021 0.01850.0700 0.3762 0.0312 0.0425 0.3150 0.16500.0009 0.0009 0.9962 0.0009 0 0.00090.0504 0 0.0150 0.9283 0.0016 0.0047 0 0 0 0 0.9886 0.01140.0028 0.0083 0.0014 0 0.0028 0.9848Confusion Matrix的

7、圖片顯示：作業(yè)提交方式本次作業(yè)至少需要提交以下內(nèi)容：提交內(nèi)容詳細(xì)要求作業(yè)文檔詳細(xì)介紹采用的圖片分類方法，包括使用的底層特征和分類方法的細(xì)節(jié)、最終的圖片分類結(jié)果等。程序源代碼相關(guān)程序的全部源代碼，要求能夠正常編譯和運(yùn)行；如果程序中使用了網(wǎng)上的開源代碼，請(qǐng)同時(shí)提供下載地址。程序說明詳細(xì)說明如何編譯源代碼、如何運(yùn)行圖片分類程序、如何評(píng)測(cè)分類結(jié)果。助教將根據(jù)“程序說明”編譯你提交的源代碼，并重新運(yùn)行圖片分類程序，因此，你提交的源代碼應(yīng)該能夠在Windows XP操作系統(tǒng)上正常編譯和運(yùn)行。由于資源限制，你的程序不應(yīng)該使用超過2G的內(nèi)存，總的運(yùn)行時(shí)間不應(yīng)該超過12小時(shí)。在絕大多數(shù)情況下，這個(gè)限制是非常寬松

8、的。項(xiàng)目詳細(xì)要求操作系統(tǒng)Windows XP使用內(nèi)存< 2G運(yùn)行時(shí)間< 12小時(shí)如果出現(xiàn)代碼無(wú)法編譯、占用內(nèi)存過多、運(yùn)行時(shí)間過長(zhǎng)或運(yùn)行出錯(cuò)、運(yùn)行結(jié)果與作業(yè)文檔中的結(jié)果不一致等情況，在正常評(píng)分的基礎(chǔ)上將酌情減分。附錄A：實(shí)驗(yàn)圖片集本次大作業(yè)采用的實(shí)驗(yàn)圖片集含有20個(gè)類別共2000張圖片(0.jpg-1999.jpg)，每個(gè)類別各100張圖片(其中訓(xùn)練圖片50張，測(cè)試圖片50張)，如下表所示。類別類別名稱訓(xùn)練圖片測(cè)試圖片 0African people and villages 0-49 50-991Beach 100-149 150-1992Historical buildings

9、200-249 250-2993Buses 300-349 350-3994Dinosaurs 400-449 450-4995Elephants 500-549 550-5996Flowers 600-649 650-6997Horses 700-749 750-7998Mountains and glaciers 800-849 850-8999Food 900-949 950-99910Dogs1000-10491050-109911Lizards1100-11491150-119912Fashion1200-12491250-129913Sunsets1300-13491350-139914Cars1400-14491450-14991