图像特征提取之HoG特征

 

今天写写HoG特征，力求简单明了。

 

关注公众号，获取更多信息

 

 

HOG特征提取的步骤如下：

（1）首先对原图像做灰度变换，或者做对比度的变换，得到新图像

（2）计算新图像的梯度，包括方向和幅值

（3）将梯度图像分成若干个小的图像块，例如，每个图像块大小为5*5

（4）计算每个图像块的梯度直方图。怎么计算呢，假设图像像素的梯度方向为0-360度，将这个范围分为6个区间，每个区间60度，查找每个图像块中的像素，如果其梯度方向在某个区间，就将这个区间计数加1，同时，为了考虑梯度幅值的影响，如果这个梯度幅值为M，那么这个度数区间的值不是加1，而是加M

（5）组建大的图像块block，假设每个大的图像块由2X2的图像块组成，将这4个块的特征拼接到一起就是block的特征，维度为4X6=24，这样就构建了图像中每个block的特征，由于在统计的时候，考虑梯度幅值，由于受到环境因素的影响，所以对block的特征做归一化处理

（6）上面只是一个图像block的特征，然后从图像的左上角开始，统计每个block的特征，然后间隔N个步长，例如6个像素，再统计一个block的特征，以此类推，将所有block的特征组合起来就是图像的特征。

（7）那么图像的特征有多大呢。假设图像的大小是90*132，图像块大小是5*5，一个block由2*2图像块构成，每个图像块的特征大小是6，则一个block的特征维度是：4*6 =24，假设步长是6个像素，在水平方向有（90-6）/6=14个block垂直方向有（132-6）/6=21个block，那么整个图像的特征维度为：24*21*14=7056