###### tags: `SBD`
# 吳宣儀BoW
1. 全影像搜尋、物件猜測
2. 邊緣偵測、區域特徵描述、詞袋模型
3. 線段過濾器、填色、物件合併、SVM


## 2-1 全影像搜尋
1. Scalble Logo Recognition
- 計算特徵三角形數量
2. Context-Dependent Logo Matching and Recognition
- 用特徵點和周圍特徵點的距離做比對
上述兩種方法是窮舉，速度較慢
###### ==因為資料只有10*10，可以試著用這個方法來找出變化量太大的圖==
###### ==不一定要用物件猜測==
3. Bundling feature
- 有加一個 min-hashing 加速器
- 但是速度仍沒有增加很多

## 2-2 物件猜測
- 本研究採取方法
- 先把可能會用到的部分截取出來
- 可以減少計算時間
1. Selective search
- 如果太小的話用相似度黏起來
2. BING

## 2-3 邊緣偵測方法
1. Roberts 算子
- 計算水平梯度、垂直梯度
- 計算簡單、快速
- 對雜訊很敏感
2. Sobel 算子
- 用兩個算子，分別計算橫向和縱向
- 計算快速
- 但無法將影像主體和背景分開
3. Prewitt 算子
- 和 Sobet算子類似
- 藉由梯度強度變化計算
- 灰度大的會被誤判成邊緣、 灰度小的會被排除
4. Canny 算子
- 為了要抑制雜訊
- 用高斯濾波對影像作模糊化
- 邊緣分兩類
- 強邊界
- 弱邊界
- 效果是上述最好的
###### ==因為圖形簡單，缺點是雜訊過大的==

5. Structured Forests for Fast Edge Detection
==本次研究用法==
- 用到的機器學習 => ==隨機決策森林==
### 2-3.1 隨機決策森林
- 包含多個決策樹的分類器
### 2-3.2 結構化隨機森林
### 2-3.3 Structured Forests for Fast Edge Detection
## 2-4 影像居特徵描述

### 2-4.1 SIFT
[網頁](https://www.itread01.com/content/1544789165.html)
步驟:
1. 尺度極值檢測
2. 關鍵點定位
3. 方向確定
4. 關鍵點描述

[補]
1. 用高斯核做卷積的方法(高斯核 => 把低維變多維)
2. 建立高斯差分(DOG)
- 先建立一個高斯金字塔
- 然後將上下相鄰圖像相減
3. 找到極值後，要找特徵點位置
4. 刪除不易辨識之特徵點
5. 消除高邊緣響應之特徵點
6. 特徵點描述
- 每一個特徵點由128維的特徵向量描述
- 每一格為特徵點同意尺度的相鄰項速點，箭頭方向為梯度方向，長度為梯度大小

除了上面的方法外，也有SIFT的變形
#### SURF
- 比較快，但是碰到旋轉或尺寸的改變時，效果沒那麼好
#### FAST
- 以角點偵測概念
- 但是光線、旋轉、視角改變時，效果沒那麼好
#### BRIEF
- 用二進位，犧牲掉尺寸和旋轉的處理
- 而且對雜訊很敏感
#### BRISK
- 利用像素灰度值得比較
- 對尺寸和旋轉的雜訊容忍度不錯
- 模糊圖像有不錯的表現
#### ORB
- FAST 和 BRIEF 的結合改善版
## 2-5 詞袋模型
- 在本研究中用上面 2-4 SIFT 提取出的特徵，作為單字
- 但因為單字數過多，所以利用 k-means 分群
- 並且產生虛擬單字(合併該組特徵)
- 接著用直方圖計算每個單字出現的次數
- 接著轉換成向量，最後將輸入SVM 做預測或是訓練
## 3-1 演算法流程與問題定義

## 3-2 線段過濾器
- 在邊緣過濾以前，先對灰階圖做二值化
- 然後再過濾線段(其實先膨脹再過濾)

## 3-3 填色
- 假定封閉區域是同一物件(並且以 ROI 代稱)
- 接著判斷ROI的面積大小(太大可能是背景或雜訊、太小無法比對)


### 3-3.1 HSV 色彩空間
- 人類較能理解的色彩計算
- 包含色相、亮度和飽和度
## 3-4
- 可能用同一色系合併
- 或同類合併
## 3-5 SVM(支持向量機)
- 監督式機器學習方法，通常運用處理二元的分類問題
- 將非線性的問題轉換成高維，然後用線性解
- RBF 核函數(Radial basis function kernel)
-
#### 分成2部分
##### 訓練
##### 預測

### 累積變化量
#### 開時間時窗(篹切割)
#### 空汙變化時間會影響視窗
#### 找opencv (或其他open sourse)
#### 回去看之前的論文
###

# 陳秉鈞 - <<埔里PM2.5擴散趨勢時空分析>>

## 資料圖們
1. 土地使用資料

2. 汙染源資料

3. PM2.5資料