我们试图解决的问题如下：

• 目标是将彩色图像的像素分类为3个不同的类别。
• 我们有一组手动分类的训练数据
• 像素之间几乎没有相关性（每个像素都有独立的行为）——因此，最可能的分类方式是基于每个像素的个体特征进行分类。
• 3个类别大致可以映射到红色、黄色和黑色色系的颜色上。
• 我们需要系统是半自动的，即通过3个参数来控制3种结果出现的概率（用于最终的精细调整）

考虑到这些情况：

• 您会选择哪种分类技术？
• 您将使用哪些像素特征进行分类（RGB、Ycc、HSV等）？
• 您将选择哪些修改函数来在三种结果之间进行精细调整？

我的第一次尝试基于

• 朴素贝叶斯分类器
• HSV（也尝试了RGB和Ycc）
• （未能找到合适的函数进行精细调整）

有什么建议吗？谢谢

回答：

对于图像中的每个像素，尝试使用该像素周围的n x n窗口内的颜色直方图作为其特征。在不同光照条件下进行通用颜色匹配时，我发现使用色调和饱和度的二维直方图效果不错，每个维度上的箱数相对较少。根据您的光照一致性，您可能需要直接使用RGB值。

至于分类器，手动调整的需求最容易通过使用类权重来表达：这些参数指定了假阴性与假阳性的相对成本。我只在支持向量机（SVM）中使用过这一功能，但我相信您可以找到其他支持类似概念的分类器的实现。