《数字图像处理：SIFT算法与HOG算法特征检测》由会员分享，可在线阅读，更多相关《数字图像处理：SIFT算法与HOG算法特征检测（31页珍藏版）》请在金锄头文库上搜索。
1、SIFT算法与HOG算法特征检测SIFT算法SIFT算法简介SIFT（尺度不变特征转换）是一种电脑视觉（尺度不变特征转换）是一种电脑视觉的算法，用来侦测与描述影像中的局部性特征，的算法，用来侦测与描述影像中的局部性特征，它在空间尺度中寻找极值点，并提取出其位置、它在空间尺度中寻找极值点，并提取出其位置、尺度、旋转不变量，此算法由尺度、旋转不变量，此算法由 David Lowe在在1999年所发表，年所发表，2004年完善总结。年完善总结。寻找不变的点寻找不变的点SIFT算法应用物体识别物体识别SIFT算法应用图像拼接图像拼接SIFT算法应用三维建模三维建模SIFT算法应用手势识别手势识别SIF
2、T算法应用笔迹鉴定笔迹鉴定SIFT算法原理将一幅图像映射（变换）为一个局部特征向量集；特征向将一幅图像映射（变换）为一个局部特征向量集；特征向量具有平移、缩放、旋转不变性，同时对光照变化、仿射量具有平移、缩放、旋转不变性，同时对光照变化、仿射及投影变换也有一定不变性。及投影变换也有一定不变性。SIFT算法实现步骤1. 尺度空间极值检测：尺度空间极值检测：搜索所有尺度上的图像位置。通过高斯微搜索所有尺度上的图像位置。通过高斯微分函数来识别潜在的对于尺度和旋转不变分函数来识别潜在的对于尺度和旋转不变的兴趣点。的兴趣点。1. 获取不同尺度空间获取不同尺度空间2. 尺度空间极值检测尺度空间极值检测SI
3、FT算法实现步骤SIFT算法实现步骤2. 关键点定位：关键点定位：在每个候选的位置上，通过一个拟合精细在每个候选的位置上，通过一个拟合精细的模型来确定位置和尺度。关键点的选择的模型来确定位置和尺度。关键点的选择依据于它们的稳定程度。依据于它们的稳定程度。1. 离散点拟合连续点离散点拟合连续点2. 消除边缘响应消除边缘响应SIFT算法实现步骤SIFT算法实现步骤3. 方向确定：方向确定：基于图像局部的梯度方向，分配给每个关基于图像局部的梯度方向，分配给每个关键点位置一个或多个方向。键点位置一个或多个方向。1. 计算梯度方向计算梯度方向2. 直方图统计直方图统计SIFT算法实现步骤SIFT算法实现
4、步骤4. 关键点描述：关键点描述：在每个关键点周围的邻域内，在选定的尺在每个关键点周围的邻域内，在选定的尺度上测量图像局部的梯度。这些梯度被变度上测量图像局部的梯度。这些梯度被变换成一种表示，这种表示允许比较大的局换成一种表示，这种表示允许比较大的局部形状的变形和光照变化。部形状的变形和光照变化。1. 计算周围点梯度权值计算周围点梯度权值2. 用向量形式存储用向量形式存储SIFT算法实现步骤HOG算法HOG算法简介HOGHOG（梯度方向直方图）是（梯度方向直方图）是20052005年年CVPRCVPR会会议上提出的一种解决人体目标检测的图像议上提出的一种解决人体目标检测的图像描述子，该方法使用
5、梯度方向直方图特征描述子，该方法使用梯度方向直方图特征来表达人体，提取人体的外形信息和运动来表达人体，提取人体的外形信息和运动信息，形成丰富的特征集。信息，形成丰富的特征集。消除干扰，找到轮廓消除干扰，找到轮廓HOG算法应用行人检测行人检测HOG算法应用智能交通智能交通HOG算法原理在一副图像中，局部目标的表象和形状能在一副图像中，局部目标的表象和形状能够被梯度或边缘的方向密度分布很好地描够被梯度或边缘的方向密度分布很好地描述。（本质：梯度的统计信息，而梯度主述。（本质：梯度的统计信息，而梯度主要存在于边缘的地方）。要存在于边缘的地方）。HOG算法实现步骤HOG算法实现步骤1. 图像归一化：图
6、像归一化：归一化图像的主要目的是提高检测器对光归一化图像的主要目的是提高检测器对光照的适应性，检测器必须对光照不太敏感照的适应性，检测器必须对光照不太敏感才会有好的效果。才会有好的效果。1. 灰度化灰度化2. Gamma校正校正HOG算法实现步骤2. 计算图像梯度：计算图像梯度：计算图像横坐标和纵坐标方向的梯度，并计算图像横坐标和纵坐标方向的梯度，并据此计算每个像素位置的梯度方向值；求据此计算每个像素位置的梯度方向值；求导操作不仅能够捕获轮廓，人影和一些纹导操作不仅能够捕获轮廓，人影和一些纹理信息，还能进一步弱化光照的影响。理信息，还能进一步弱化光照的影响。HOG算法实现步骤3. 为每个为每个
7、cell构建梯度方向直方图：构建梯度方向直方图：为局部图像区域提供一个编码，同时能够为局部图像区域提供一个编码，同时能够保持对图像中人体对象的姿势和外观的弱保持对图像中人体对象的姿势和外观的弱敏感性。敏感性。HOG算法实现步骤4. 把把cell组合成组合成block，块内归一化梯度直，块内归一化梯度直方图：方图：由于局部光照的变化使得梯度强度的变化由于局部光照的变化使得梯度强度的变化范围非常大。这就需要对梯度强度做归一范围非常大。这就需要对梯度强度做归一化。归一化能够进一步地对光照、阴影和化。归一化能够进一步地对光照、阴影和边缘进行压缩。边缘进行压缩。1. 梯度方向权重投影梯度方向权重投影2.
8、 归一化归一化HOG算法实现步骤5. 收集收集HOG特征：特征：将检测窗口中所有重叠的块进行将检测窗口中所有重叠的块进行HOG特征特征的收集，并将它们结合成最终的特征向量的收集，并将它们结合成最终的特征向量供分类使用。供分类使用。HOG与SIFT区别1，目的不同，目的不同SIFT图像匹配，注重细节图像匹配，注重细节HOG物体识别，注重整体物体识别，注重整体2，实现不同，实现不同SIFT寻找不变特征点寻找不变特征点HOG寻找物体的轮廓寻找物体的轮廓参考方向梯度直方图（方向梯度直方图（HOG,Histogram of GradientHOG,Histogram of Gradient）学习笔记二学习笔记二 HOG HOG正篇正篇http:/ SIFTSIFT算法详解算法详解http:/
