特徵描述子(-)—HOG具體實現過程
阿新 • • 發佈:2019-01-27
方向梯度直方圖(Histogram of Oriented Gradient, HOG)特徵是一種在計算機視覺和影象處理中用來進行物體檢測的特徵描述子。它通過計算和統計影象區域性區域的梯度方向直方圖來構成特徵。其提取演算法具體實現過程如下:
1.影象灰度化處理(降低影象區域性陰影和光照變化的影響)。
2.Gamma 校正法對灰度影象進行顏色空間的規範化(歸一化) (降低圖秀對比度,進一步降低影象區域性陰影和光照變化的影響)
3. 計算每個畫素的梯度(大小和方向)(提取輪廓,弱化光照的影響)
最常用的方法是:首先用[-1,0,1]梯度運算元對原影象做卷積運算,得到x方向的梯度分量
4. 將影象中8*8 作為一個cell,並統計每個cell的梯度直方圖(不同方向梯度的個數),其中畫素梯度大小就是作為投影的權值的,也就是在該畫素對應的bin上累加 1 * 梯度大小,然後得到整個cell的descriptors。
5. 將2*2的cell構成一個block,並將所有cell的descriptors串聯起來,然後歸一化,歸一化方法有L1-norm、L2-norm、L1-sqrt(L1-norm後在平方)。
6. 將整個block串聯起來,就得到整個影象descriptors。