运行 matlab 中结合 SURF 和 SIFT 描述符的 k-means
run k-means on combination of SURF and SIFT descriptors in matlab
如何在MATLAB中组合SURF和SIFT描述符，其中SIFT为128D，SURF为64D，它们的描述符数量不同，另一点是SURF描述符的值比SIFT小很多，有些它们中的一部分是负的，而所有的筛选描述符都是正的；然后 运行 k-means 对它们的组合？
有一个相关的讨论 here 但我无法理解，答案是针对 OpenCv
感谢任何帮助
一种解决方案是将这两个描述符的结果转换为统一的大小，然后轻松地将它们连接起来。例如，使用 PCA 将它们都转换为 32D 维度的 SIFT（32 * m as M_prime）和 SURF（32*n as N_prime）并像这样连接它们：combined_feature_vectors = [M_prime N_prime]。因此，您有 + n 个大小为 32 的描述符。
您可以通过对每个算法的特征进行归一化来解决 SURF 值较小的问题。
如何在MATLAB中组合SURF和SIFT描述符，其中SIFT为128D，SURF为64D，它们的描述符数量不同，另一点是SURF描述符的值比SIFT小很多，有些它们中的一部分是负的，而所有的筛选描述符都是正的；然后 运行 k-means 对它们的组合？ 有一个相关的讨论 here 但我无法理解，答案是针对 OpenCv
感谢任何帮助
一种解决方案是将这两个描述符的结果转换为统一的大小，然后轻松地将它们连接起来。例如，使用 PCA 将它们都转换为 32D 维度的 SIFT（32 * m as M_prime）和 SURF（32*n as N_prime）并像这样连接它们：combined_feature_vectors = [M_prime N_prime]。因此，您有 + n 个大小为 32 的描述符。
您可以通过对每个算法的特征进行归一化来解决 SURF 值较小的问题。