计算机视觉-特征描述子
计算机视觉-特征描述子
复习一下hw1所需知识。
五、特征描述子
SIFT描述子
特征提取算法（3）——SIFT特征提取算子 - keepgoing18 - 博客园 (cnblogs.com)
步骤
- 找到关键点
- 将关键点图像划分为4x4的小块，再将小块划分为4x4的小小块
- 对于每个小小块，计算其内部的梯度幅值和梯度方向，然后将梯度方向分成8个方向，每个方向覆盖45度，并将该方向上的梯度幅值累加起来，每个小块拥有8个方向的方向向量。
- 把每个小块的方向向量组成一个8维向量
- 所有8维向量拼接起来得到一个128维向量，这就是sift描述子
HOG描述子
HOG特征提取原理及实现 - 无趣的鱼 - 博客园 (cnblogs.com)
步骤
- 预处理：灰度化，gamma矫正
- 将图像划分为窗口(window)，窗口划分为块(block)，块划分为细胞(cell)
- 归一化
- 计算梯度：像素点计算梯度，判断所属方向区间（9个方向）
- 细胞内构建梯度直方图：像素点梯度加权统计
- 块内梯度直方图归一化：假设一个块有4个细胞，每个细胞9维向量，共4个9维向量
- 拼接生成HOG特征向量
窗口特征向量维度：窗口64x128，块8x8，细胞4x4，那么一个窗口有7x15个块，一个块有4个细胞，那么一个块就有4个9维向量，一个窗口就有7x15x4x9=3780维度的向量。
梯度只算180度，即将180度划分为9个方向，而不是360度，因为完全相反的梯度被认为是同一个梯度方向。