19、基于显著度优化方向梯度直方图的图像匹配方法-优快云博客

本文链接：https://blog.youkuaiyun.com/embedding5hiker/article/details/149569835

基于显著度优化方向梯度直方图的图像匹配方法

在计算机视觉领域，图像特征描述和匹配是重要的任务，方向梯度直方图（HoG）是一种广泛使用的图像描述符。然而，在实际应用中，HoG描述符的计算和匹配可能会受到背景、图像质量等因素的影响。为了解决这些问题，一种基于显著度的优化方法被提出，旨在提高匹配效率和准确性。

1. 显著度计算方法概述

显著度计算主要有两种主要方法：有机方法和非有机方法。
- 有机方法 ：以人类视觉系统为参考创建显著度图，可借助眼动追踪系统，但存在人在不同时间对图像的感知变化以及基于知识的偏差等问题。
- 非有机方法 ：利用先验信息选择显著特征，先验信息可能是特定的特征点算法，或者是带有正确标注的包含常见对象的图像集合，用于进一步学习。

虽然理论上显著区域应比非显著区域描述更多的类别变化，适用于特征选择，但实际中显著度检测器易受图像质量变化的影响，背景或尺度的改变可能导致结果差异极大。这是因为显著度依赖于特定区域与其周围环境的计算差异，在宏观尺度上，对象的显著度取决于其在特定特征空间中与背景的区分能力。由于背景场景和随机对象视觉效果的多样性，选择显著特征是一项具有挑战性的任务。