我在这方面还是个新手；我正在尝试将纹理分类为有缺陷或无缺陷。我使用了Matlab中的Gabor滤波器组，它输出了图像的Gabor特征的列向量。我有一组无缺陷图像和有缺陷图像的数据集。
我的问题是，现在我可以用这些特征向量做什么来对纹理进行分类？我读了很多关于分类的类型，但找不到任何类似的实现来帮助我了解我在做什么。非常感谢。
回答：
你可以使用支持向量机(SVM)或神经网络。SVM被广泛使用并且效果很好。这里是一个在Matlab中如何使用它的例子。
- 首先，你需要将你的数据分为’训练’和’测试’集。
- ‘训练’集是你已知的那部分数据；在你的案例中，你知道哪些纹理是有缺陷的，哪些是无缺陷的。
- ‘测试’集是你想要测试你的分类方法的那部分数据。
假设training矩阵包含所有训练集图像的Gabor特征，其中每一行对应一个图像的特征向量（转置的列向量）。假设前25个是无缺陷的，接下来的25个是有缺陷的。现在，你需要创建一个group矩阵来告诉SVM哪些是有缺陷的，哪些不是。所以，
group = [ones(25,1); -1*ones(25,1)]; // 无缺陷 = 1, 有缺陷 = -1 SVMStruct = svmtrain(training, group);SVMStruct是支持向量，你将用它来对’测试’数据进行分类。假设testing矩阵包含之前的Gabor特征。
results = svmclassify(SVMStruct, testing);results是最终的决策矩阵，根据做出的决策包含1或-1。
