图像特征提取之HOG

图像特征提取之HOG

参考自http://blog.csdn.net/liulina603/article/details/8291093

• HOG特征：方向梯度直方图（Histogram of Oriented Gradient, HOG）特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。它通过计算和统计图像局部区域的梯度方向直方图来构成特征。Hog特征结合SVM分类器已经被广泛应用于图像识别中，尤其在行人检测中获得了极大的成功。
  
  • 主要思想：在一幅图像中，局部目标的表象和形状（Appearance and shape）能够被梯度或边缘的方向密度分布很好的描述。HOG提取的是梯度的统计信息。
  • 实现方法：首先将图像分成小的连通区域，我们把它叫做细胞单元。然后采集细胞单元中各像素点的梯度的或边缘的方向直方图。然后把这些直方图组合起来，构成特征描述器。
  • 算法过程：
    
    • 灰度化
    • 采用Gamma校正法对输入图像进行颜色空间的标准化（归一化）；目的是调节图像的对比度，降低图像局部的阴影和光照变化带来的影响，同时也一直噪音的干扰。
    • 计算图像每个像素的梯度（包括大小和方向）；主要是为了捕获轮廓信息，同时进一步弱化光照的干扰。
    • 将图像划分成小cells（例如6*6 pixl/cell）。
    • 统计每个cell的梯度直方图（不同梯度的个数，即可形成每个cell的descriptor）。
    • 将每几个cell组成一个block（例如3*3），一个block内所有cell的特征description串联起来便得到该block的HOG特征descriptor。
    • 将图像内所有block的HOG特征descriptor串联起来就可以得到图像的HOG特征描述子，用于后面的分类。