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:
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
g_x
gx=10,同理通过垂直方向的核函数得到
g
y
g_y
gy=64-32=32.
通过
g
x
g_x
gx和
g
y
g_y
gy得到像素点A处的
梯度强度为:
GA=
g
x
2
+
g
y
2
\sqrt {gx^2+gy^2}
gx2+gy2;
梯度方向为:
θ
\theta
θ=arctan(
g
x
g
y
\frac{g_x}{g_y}
gygx)
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)
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:
85
∗
5
20
\frac{85*5}{20}
2085∗5,分给160度的份额是:
85
∗
15
20
\frac{85*15}{20}
2085∗15.
所以在这一步得到图中每个
8
∗
8
8*8
8∗8的cell的直方图。
第三步将
2
∗
2
2*2
2∗2个cell看为一个block,那么这又
9
∗
4
=
36
9*4=36
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
HOG特征提取
最新推荐文章于 2024-01-01 18:25:04 发布