传统手工特征方法

1.几种手工特征方法提出时间


2.几种手工特征方法简单对比

 

 


3.每种方法的参考博客
下面是自己看几种传统手工特征方法时参考的博客:

LBP:https://blog.youkuaiyun.com/heli200482128/article/details/79204008#commentBox

HAAR:

https://blog.youkuaiyun.com/xiaowei_cqu/article/details/8216109

https://blog.youkuaiyun.com/yang6464158/article/details/25103703

https://blog.youkuaiyun.com/u012507022/article/details/54138299

SIFT:https://blog.youkuaiyun.com/zddblog/article/details/7521424#t22

HOG:https://blog.youkuaiyun.com/coming_is_winter/article/details/72850511 

ORB:https://www.cnblogs.com/alexme/p/11345701.html

SURF:https://www.cnblogs.com/jinjidexuetu/p/90ace4e8de574e3d5f4e6ac16a0dc157.html
————————————————
版权声明:本文为优快云博主「陈 洪 伟」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.youkuaiyun.com/u013171226/article/details/113865307

### 传统图像特征提取方法概述 传统的图像特征提取方法主要依赖于手工设计的算法来捕捉图像的关键属性。这些方法通常基于数学变换、统计分析以及几何特性,旨在减少冗余信息并增强重要特征的表现力。以下是几种常用的图像特征提取技术: #### 1. 边缘检测 边缘检测是一种经典的低层特征提取方法,用于定位图像中亮度变化显著的位置。这种方法可以通过梯度算子(如Sobel算子[^3])、Canny边缘检测器等工具实现。边缘信息对于描述物体轮廓具有重要意义。 #### 2. 角点检测 角点是指两条或多条边界线相交形成的局部结构,在图像匹配和三维重建中有广泛应用。Harris角点检测器和Shi-Tomasi改进版是两种常见的角点提取算法。它们利用像素灰度值的变化率评估潜在的兴趣点位置。 #### 3. SIFT (Scale-Invariant Feature Transform) SIFT 是一种尺度不变特征转换算法,能够在不同缩放比例下稳定地识别关键点及其对应的描述符向量。该过程涉及构建高斯金字塔、寻找极值点以及分配方向直方图等多个阶段[^1]。由于其鲁棒性和独特性,SIFT被广泛应用于目标跟踪,场景拼接等领域. #### 4. SURF (Speeded-Up Robust Features) 作为SIFT 的快速版本,SURF 使用积分图像加速计算haar-like 特征响应,从而提高了运行效率的同时保持了良好的抗干扰能力. 它同样具备旋转和平移不变形的特点. #### 5. HOG (Histogram of Oriented Gradients) HOG 方法专注于捕获区域内梯度的方向分布情况,特别适合人体姿态估计或行人检测任务。具体而言,HOG 将整个输入分割成小块(cell),然后统计每一块内的梯度角度频率构成最终表征矢量[^2]. ```python import cv2 from skimage.feature import hog # 加载图片 image = cv2.imread('example.jpg',0) # 计算HOG特征 fd,hog_image = hog(image, orientations=8, pixels_per_cell=(16,16), cells_per_block=(1,1), visualize=True) cv2.imshow("HOG",hog_image) cv2.waitKey(0) ``` #### 6. LBP(Local Binary Patterns) LBP 技术通过比较中心像素与其邻域的关系生成二进制编码序列,进而得到纹理模式表示形式. 这种方式简单高效,尤其擅长处理面部表情分类等问题. --- ### 总结 上述列举的传统图像特征提取手段各有侧重领域和技术优势,但在面对复杂背景或者大规模数据集时可能面临泛化不足的情况. 随着深度学习框架的发展,自动化的端到端解决方案逐渐取代部分人工定义流程成为主流趋势.
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值