HOG特征-梯度方向直方图
其他
2018-05-07 09:08:31
阅读次数: 4
简介
- HOG特征主要是用于目标检测等图像任务中,它能够提取图像中有意义的部分,进而用于分类等任务。
主要流程
- 给定一张图像,我们可以将其转换为特定大小的图像(不转换也可以,这里假设得到的图像尺寸都是一样的,方便后续的说明),假设尺寸为
W⋅H⋅3
- 设置cell(大小为
Cx⋅Cy
),求每个cell的x与y方向的梯度,进而可以得到这个cell的梯度及其方向,可以使用sobel算子进行梯度计算
- 根据每个cell中的梯度大小及方向,计算其梯度的直方图,梯度越大,对应梯度方向所在的直方图区域的权值就越大,一般可以设置直方图大小为
9X1
.
- 得到每个cell的梯度信息之后,我们希望梯度信息最后不受其光照信息等因素的影响,因此对其进行normalization的操作,但是更好的方法是设置将不同的cell组成一个block,在这其中对其进行normalization,我们假设一个block包含
bx⋅by
个cell,因此该区域的直方图就是一个
9bxbyX1
的向量,对每个block按照一个1cell的step进行滑动,我们最终可以得到
(W/Cx−bx+1)⋅(H/Cy−by+1)
个直方图向量,将所有的直方图reshape为1维向量,就能得到最终的HOG特征向量。
参考链接
转载自blog.csdn.net/u012526003/article/details/79966607