HoG特征

  • Post author:
  • Post category:其他


① 梯度计算

Gh(x, y)=f(x+1, y) - f(x-1, y)

Gv(x, y) = f(x, y+1) - f(x, y-1)

梯度强度的计算:
M(x,y)=sqrt(Gh(x,y)^2 + Gv(x,y)^2)

梯度方向的计算:
arctan(Gh(x,y)/Gv(x,y))

经过计算,可以得到图像的梯度强度图和梯度方向图

② cell划分

对图像进行cell划分,如每8×8的像素分成一个cell

③ block划分

对图像进行block的划分,2×2的cell为一个block,在划分block的时候,有一个cell的overlap,如下图中,黑色的框表示cell,红色的框分别表示第一个block和第二个block:

④ 在cell内计算梯度直方图

以方向进行统计,有两个注意点:1)在0~180度内进行统计;2)直方图的bin数量为9,即20度一个bin

直方图统计的值为梯度强度,有一个注意点:在进行统计的时候,有插值处理,比如说,某一个像素值,其梯度方向为10,强度为4。因为统计的bin为[0, 20, 40, 60, …, 160]。所以,该4的强度累计到bin0,2个强度;累计到bin20,2个强度。

⑤ 向量归一化

在block内,对梯度向量归一化,注意:由于一个block有4个cell,每个cell有一个长度为9的特征向量,因此一共为长度为36的特征向量。归一化的目的是削弱光照的影响。

⑥ 将每个block的特征向量整合起来,得到一个大的特征向量,即为最终的特征向量。



版权声明:本文为mmmmmk_原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。