目標檢測—圖像特徵提取

04-23

1、HOG特徵

方向梯度直方圖（Histogram of Oriented Gradient, HOG），是一種在計算機和圖像處理中一種用來進行物體檢測的特徵描述子。它通過計算和統計圖像局部區域的梯度直方圖來構成特徵。HOG+SVM組合廣泛應用於圖像處理中。

局部目標表象和形狀（appearance and shape）能夠被梯度或邊緣的方向密度分布很好的描述。（本質：梯度主要存在於邊緣的地方）

首先，將圖像分成小的連通區域（細胞單元），然後，採集細胞單元中各像素點的梯度或邊緣的方向直方圖，最後把這些直方圖組合起來構成特徵描述器。

2、LBP特徵

LBP（Local Binary Pattern，局部二值模式）是一種用來描述圖像局部紋理特徵的運算元，它具有旋轉不變性和灰度不變性的優點，用於圖像紋理特徵的提取。

（1）首先將檢測窗口劃分為16*16的小區域（cell）;

（2）對於每個cell中的一個像素，將相鄰的8個像素的灰度值與其進行比較，若周圍像素值大於中心像素值，則該像素點的位置被標記為1，否則為0。這樣，3*3鄰域內的8個點經比較可產生8為二進位數，即得到該窗口中心像素點的LBP值；

（3）然後計算每個cell直方圖，即每個數字（假定是十進數LBP值）出現的頻率；然後對該直方圖進行歸一化處理。

（4）最後將得到的每個cell的統計直方圖進行連接城為一個特徵向量，也就是整幅圖的LBP紋理特徵向量。

最後利用SVM或者其他機器學習演算法進行分類。

3、Haar-like特徵

Harr特徵分為三類：邊緣特徵、線性特徵、中心特徵和對角線特徵，組合城特徵模板。特徵模板內有白色和黑色兩種矩形，並定義該模板的特徵值為白色矩形像素和減去黑色矩形像素和。Harr特徵反映了圖像的灰度變化情況。