its_showtime.m

   1 % An example showing the whole process of learning and inferring
   2 % Boundary 1 - working, but highly incomplete
   3
   4 clear all;
   5
   6 FEATURE_EXTRACTION_METHOD = 2;
   7
   8 disp('Reading the data...');
   9 read_data; % has to be configured first - see the code
  10
  11 % Set the range of potential boundary height values
  12 min_height = 1;
  13 max_height = size(Visuals{1}, 1);
  14
  15 disp('Extracting features...');
  16 Features = cell(size(Visuals));
  17 for i=1:length(Features)
  18         Features{i} = extract_features(Visuals{i}, FEATURE_EXTRACTION_METHOD);
  19 end
  20
  21 disp('Generating the hashtable for all possible feature vectors... (this may take a while)');
  22 X_ht = get_all_possible_x(FEATURE_EXTRACTION_METHOD, min_height:max_height);
  23
  24 clear s S X;
  25 disp('Computing model parameters...');
  26 [s, S, X] = get_probabilities(Features, Boundary1, X_ht, min_height, max_height, FEATURE_EXTRACTION_METHOD, 'gaussian', 1);
  27
  28
  29 % Inference:
  30 disp('Extracting features for a sample image...');
  31 im = imread('/home/hynek/Media/Texty/Skola/GMM/OCT/Lernstichprobe/0183_B_01_05_Ru_6_SR830-i.png'); % edit
  32 fim = extract_features(im, FEATURE_EXTRACTION_METHOD);
  33 % create emission probabilities matrix as requested by
  34 % hmm_viterbi()
  35 X_viterbi = zeros(size(fim, 2), length(s));
  36 for i=1:size(X_viterbi, 1)
  37         fid = num2str(fim(:, i)'); % convert the feature to string -> feature id
  38         X_viterbi(i, :) = X(X_ht.get(fid), :); % get this features' P(feature|state) for all states
  39 end
  40 % <--
  41 disp('Inferring boundary 1, at last...');
  42 inferred_sequence = hmm_forward_backward(s, S', X_viterbi);
  43
  44 show_result(im, inferred_sequence);
  45