HOG特征提取

最新推荐文章于 2024-01-01 18:25:04 发布

立志成为一串代码

最新推荐文章于 2024-01-01 18:25:04 发布

阅读量528

点赞数 1

本文链接：https://blog.csdn.net/weixin_46340881/article/details/113946544

版权

HOG特征提取
第一步：将图片中每一个像素点计算它的垂直和水平方向的梯度强度，使用的核是：（-1,0，1）和（-1,0，1）^-1.例如：
在这里插入图片描述
计算水平方向的梯度强度带入核函数（-1,0，1），得到30-20=10；则在A像素处的水平方向的梯度强度 $g_x$ =10，同理通过垂直方向的核函数得到 $g_y$ =64-32=32.
通过 $g_x$ 和 $g_y$ 得到像素点A处的
梯度强度为:
GA= $\sqrt {gx^2+gy^2}$ ;
梯度方向为:
$\theta$ =arctan( $\frac{g_x}{g_y}$ )
注：角度要归到0~180
第二步：对每个8*8个像素点组成一个cell，将角度分为0，20，40…160（9个段）
在这里插入图片描述

注：对于不是恰好在点上的数据，进行按比例分到相邻的角度上，如：强度是85，方向是165度，165度处于160~0之间，那么分给0度的份额是： $\frac{85*5}{20}$ ,分给160度的份额是： $\frac{85*15}{20}$ .
所以在这一步得到图中每个 $8 * 8$ 的cell的直方图。
第三步将 $2 * 2$ 个cell看为一个block，那么这又 $9 * 4 = 36$ 维的直方图向量。
并将其进行归一化处理。得到HOG的特征向量
详情：https://www.cnblogs.com/hichens/p/12203071.html