Opencv特征分析

图像处理编程实例笔记-第8章特征分析

第8章 特征分析

8.1尺度空间

8.2特征描述子

8.3方向梯度直方图HOG

8.4局部二值模式LBP

8.5Haar特征描述

8.6应用实例

--------------------------------------------------

尺度空间

分析未知场景目标，无法得知目标尺寸。

8.1.1尺度与旋转不变性

8.1.2特征点尺度变换

 

特征描述子

关键点检测与关键点提取是木匾特征分析的重要步骤。局部图像特征描述基础问题不变性与可分析性，不变性指特征描述对视角变化、尺度变化、旋转变化。可分性是基于局部图像内容。

8.2.1 SIFI特征

关键点 检测和描述算法

 

8.2.2 SURF特征

对SIFI 的改进，需要借助硬件加速或专门图像处理器实现实时处理。

8.2.3 ORB特征

基于FAST角点的特征点检测与描述，运行时间优于SIFI特征 、SURF特征，应用于实时特征检测。

1、方向FAST特征点检测

2、BRIEF特征描述

方向梯度直方图HOG

8.3.1 原理

特征直方图：   

 

 

：像素个数的归一化处理值，特征直方图反应某一特征的概率分布。类比灰度图像，直方图是灰度信息的概率统计。对

 

累计，得到累计直方图：

 

HOG为Dalal于2005针对行人检测所提出，常用于目标物体检测与特征分析。

对于图下f(x,y)在（x,y）出的梯度幅度

 

和方向

 

：

 

 

   

 

分别是x方向和y方向的梯度，HOG在进行特征描述时将

 

的梯度方向在

 

区间划分为N个均匀空间

 

，像素点（x，y）在k个梯度方向上的梯度投影为：

 

8.3.2 HOG提取特征步骤

图像梯度方向直方图是对图像中所有像素点K维梯度特征的直方图统计，将图像划分成小部分连通域，对细胞单元的各个像素点进行梯度方向直方图描述，最后组合成相应特征描述器。

提取步骤：

（1）归一化处理

（2）计算图像梯度

对I（x，y）,计算图像在（x，y）处的水平方向梯度G=I（x+1，y）-I(x-1,y)

竖直方向梯度G=I（x，y+1）-I(x,y-1)

计算水平和竖直方向梯度可以对图像进行模板卷积得到，水平模板【-1，0，1】

竖直模板【-1,0,1】的转置

（3）统计梯度方向

图像分8*8单元，2*2个单元成一块，对块内像素点统计，计算方块单元的梯度特征，像素点方向梯度采用线性插值，组合每个方块梯度特征。

（4）特征向量归一化

（5）生成特征向量

8.3.3 HOGDescriptor 特征描述类

HOG特征检测类，HOGDescriptor完成HOG初始化参数，行人检测默认用getDefaultDetector,

应用于目标单尺度检测和多尺度检测，对应方法是detect,detectMultiScale

8.3.4 HOG 特征描述实现

特征描述实现需要计算积分图。对图像进行水平和竖直方向的Sobel边缘检测；

初始化直方图bins，将Sobel检测结果进行carToPolar坐标转换，对应对角矩阵进行分段变换；遍历图像。