HOG特征，全称方向梯度直方图，常用于图像识别，特别是在行人检测中。提取步骤包括：图像归一化，计算梯度，构建梯度密度直方图，block内归一化，以及滑动窗口统计特征。最后通过SVM分类器使用这些特征。
文章目录
HOG特征的定义
HOG全称是方向梯度直方图（Histogram of Oriented Gradient, HOG）。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。
方向和梯度代表了什么？
梯度就是图像的边缘，所以梯度的方向密度分布统计信息就能表述局部区域的轮廓和纹理。
HOG特征的具体提取算法步骤
（1）归一化图像，即标准化gamma空间和颜色空间
对图像进行归一化可以减少光照因素的影响，颜色信息一般作用不大，通常转换成灰度图
gamma压缩公式
gamma值越小，越接近log函数，可以提亮暗部细节。
（2）计算图像梯度，即使用梯度算子对图像做卷积运算
梯度反应了轮廓信息和纹理信息，进一步降低光照影响。
求梯度大小
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
