第8章 特征分析
8.1尺度空间
8.2特征描述子
8.3方向梯度直方图HOG
8.4局部二值模式LBP
8.5Haar特征描述
8.6应用实例
--------------------------------------------------
8.1尺度空间
分析未知场景目标,无法得知目标尺寸。
8.1.1尺度与旋转不变性
8.1.2特征点尺度变换
8.2特征描述子
关键点检测与关键点提取是木匾特征分析的重要步骤。局部图像特征描述基础问题不变性与可分析性,不变性指特征描述对视角变化、尺度变化、旋转变化。可分性是基于局部图像内容。
8.2.1 SIFI特征
关键点 检测和描述算法
8.2.2 SURF特征
对SIFI 的改进,需要借助硬件加速或专门图像处理器实现实时处理。
8.2.3 ORB特征
基于FAST角点的特征点检测与描述,运行时间优于SIFI特征 、SURF特征,应用于实时特征检测。
1、方向FAST特征点检测
2、BRIEF特征描述
8.3方向梯度直方图HOG
8.3.1 原理
特征直方图:
:像素个数的归一化处理值,特征直方图反应某一特征的概率分布。类比灰度图像,直方图是灰度信息的概率统计。对
累计,得到累计直方图:
HOG为Dalal于2005针对行人检测所提出,常用于目标物体检测与特征分析。
对于图下f(x,y)在(x,y)出的梯度幅度
和方向
:
分别是x方向和y方向的梯度,HOG在进行特征描述时将
的梯度方向在
区间划分为N个均匀空间
,像素点(x,y)在k个梯度方向上的梯度投影为:
8.3.2 HOG提取特征步骤
图像梯度方向直方图是对图像中所有像素点K维梯度特征的直方图统计,将图像划分成小部分连通域,对细胞单元的各个像素点进行梯度方向直方图描述,最后组合成相应特征描述器。
提取步骤:
(1)归一化处理
(2)计算图像梯度
对I(x,y),计算图像在(x,y)处的水平方向梯度G=I(x+1,y)-I(x-1,y)
竖直方向梯度G=I(x,y+1)-I(x,y-1)
计算水平和竖直方向梯度可以对图像进行模板卷积得到,水平模板【-1,0,1】
竖直模板【-1,0,1】的转置
(3)统计梯度方向
图像分8*8单元,2*2个单元成一块,对块内像素点统计,计算方块单元的梯度特征,像素点方向梯度采用线性插值,组合每个方块梯度特征。
(4)特征向量归一化
(5)生成特征向量
8.3.3 HOGDescriptor 特征描述类
HOG特征检测类,HOGDescriptor完成HOG初始化参数,行人检测默认用getDefaultDetector,
应用于目标单尺度检测和多尺度检测,对应方法是detect,detectMultiScale
8.3.4 HOG 特征描述实现
特征描述实现需要计算积分图。对图像进行水平和竖直方向的Sobel边缘检测;
初始化直方图bins,将Sobel检测结果进行carToPolar坐标转换,对应对角矩阵进行分段变换;遍历图像。