我正在尝试使用C++和OpenCV将脑肿瘤的MRI图像分类为良性和恶性。我计划在使用kmeans聚类SIFT描述符后使用词袋（BoW）方法。也就是说，我将用整个“码本”/字典作为x轴，并用图像中它们的出现次数作为y轴来表示每张图像的直方图。这些直方图将成为我的SVM（使用RBF核）的输入。
然而，使用BoW的缺点是它忽略了图像中描述符的空间信息。有人建议我改用SPM。我阅读了一些关于它的资料，并找到了这个链接，其中列出了以下步骤：
- 从训练集中计算K个视觉词，并将所有局部特征映射到其视觉词上。
- 对于每张图像，将K个多分辨率坐标直方图初始化为零。每个坐标直方图包含L个层次，每个层次i有4^i个单元，这些单元均匀地分割当前图像。
- 对于图像中的每个局部特征（假设其视觉词ID为k），选出第k个坐标直方图，然后根据局部特征的坐标，将每个对应的L个单元的计数加1。这些L个单元是局部特征在L个不同分辨率下所在的单元。
- 连接K个多分辨率坐标直方图，形成图像的最终“长”直方图。在连接时，第k个直方图由第k个视觉词的概率加权。
- 为了计算两张图像上的核值，求它们“长”直方图交集的所有单元的总和。
现在，我有以下几个问题：
- 什么是坐标直方图？直方图不就是显示x轴上每个分组的计数吗？它如何提供一个点的坐标信息？
- 我该如何计算第k个视觉词的概率？
- 我得到的“核值”有什么用？我如何将其作为SVM的输入？如果我理解正确的话，核值是在测试阶段使用而不是在训练阶段使用？如果是的，那么我该如何训练我的SVM？
- 或者你认为我没有必要为我的情况（良性和恶性肿瘤）而烦恼于空间信息，只需坚持使用普通的BoW？
请帮助这个可怜的本科生。如果你能帮我，我将永远感激你。如果你有任何需要澄清的地方，请随时问我。
回答：
这是实际论文的链接，http://www.csd.uwo.ca/~olga/Courses/Fall2014/CS9840/Papers/lazebnikcvpr06b.pdf
这里提供了MATLAB代码 http://web.engr.illinois.edu/~slazebni/research/SpatialPyramid.zip
你帖子中提到的坐标直方图只是图像中计算直方图的一个子区域。这些幻灯片以视觉方式解释了这一点，http://web.engr.illinois.edu/~slazebni/slides/ima_poster.pdf。
这里有多个直方图，每个图像的不同区域各有一个。概率（或项目数量）将取决于该子区域中的SIFT点。
我认为你需要按照幻灯片中提到的定义你的金字塔核。
如果你有足够的训练样本，卷积神经网络可能更适合你的任务。你可以考虑看看Torch或Caffe。
