数字图象处理B课程报告.docx

《数字图象处理B课程报告.docx》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、数字图像处理B课程报告2012年5月一、HOG特征：HOG特征（HistogramofOrientedGradient）是一种局部区域描述符,它通过计算局部区域上的梯度方向直方图来构成人体特征,能够很好地描述人体的边缘。它对光照变化和小量的偏移不敏感。输入图像中像素点(x,y)的梯度为：Gx(x,y)=H(x+1,y)-H(x-1,y)Gy(x,y)=H(x,y+1)–H(x,y–1)式中Gx(x,y)、Gy(x,y)、H(x,y)分别表示输入图像中像素点(x,y)处的水平方向梯度、垂直方向梯度和像素值。像素点(x,

2、y)处的梯度幅值和梯度方向为：G(x,y)=√Gx(x,y)2+Gy(x,y)2Α(x,y)=tan-1[Gy(x,y)/Gx(x,y)]该技术将图像局部出现的方向梯度次数进行计数，该方法和边缘方向直方图、scale-invariantfeaturetransform类似，不同的是hog的计算基于一致空间的密度矩阵来提高准确率。NavneetDalalandBillTriggs首先在05年的CVPR中提出HOG，用于静态图像或视频的行人检测。其主要思想是利用小块上的梯度方向直方图来描述图像。通过调整特征提取时的参数，

3、HOG特征可以有效地描述人体的形状信息，同时对局部区域较小的平移和旋转运动具有一定的不变性。Dalal提出的HOG特征结合SVM分类器进行行人检测达到了很好的检测效果。二、HOG特征原理：HOG的核心思想是所检测的局部物体外形能够被光强梯度或边缘方向的分布所描述。通过将整幅图像分割成小的连接区域（称为cells），每个cell生成一个方向梯度直方图或者cell中pixel的边缘方向，这些直方图的组合可表示出（所检测目标的目标）描述子。为改善准确率，局部直方图可以通过计算图像中一个较大区域(称为block)的光强作为m

4、easure被对比标准化，然后用这个值(measure)归一化这个block中的所有cells.这个归一化过程完成了更好的照射/阴影不变性。与其他描述子相比，HOG得到的描述子保持了几何和光学转化不变性（除非物体方向改变）。因此HOG描述子尤其适合人的检测。通俗的讲：HOG特征提取方法就是将一个image：1.灰度化（将图像看做一个x,y,z（灰度）的三维图像）2.划分成小cells3.计算每个cell中每个pixel的gradient（即orientation）4.统计每个cell的梯度直方图（不同梯度的个数），即

5、可形成每个cell的descriptor三、HOG特征算法与实现1.标准化gamma空间和颜色空间为了减少光照因素的影响，首先需要将整个图像进行规范化。在图像的纹理强度中，局部的表层曝光贡献的比重较大，所以，这种压缩处理能够有效地降低图像局部的阴影和光照变化。因为颜色信息作用不大，通常先转化为灰度图Gamma压缩公式：I(x,y)=I(x,y)gamma，比如可以取Gamma=1/22.计算梯度计算图像的一阶梯度。求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。梯度大小：梯度方向：3.单元格梯

6、度投影第三步的目的是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敏感性。我们将图像窗口分成若干个小区域，这些区域被称为“单元格”。然后将每个单元格中所有象素的一维梯度直方图或者边缘方向累加到其中。最后将这个基本的方向直方图映射到固定的角度上，就形成了最终的特征。例如取单元格为8*8像素，直方图取9个方向（360度平分9份）4.块内归一化梯度直方图对比度归一化。归一化能够进一步地对光照、阴影和边缘进行压缩。通常，每个单元格由多个不同的块共享，但它的归一化是基于不同块的，所以计算结果也不一样。

7、因此，一个单元格的特征会以不同的结果多次出现在最后的向量中。我们将归一化之后的块描述符就称之为HOG描述符。例如块取2*2单元格，则一块的特征数为：2*2*95.收集HOG特征最后一步就是将检测窗口中所有重叠的块进行HOG特征的收集，并将它们结合成最终的特征向量供分类使用。例如对于一个40*40的训练图片，单元格=8*8像素，块=2*2单元格，块每次滑动一个单元格为，则特征维数=4*4*（2*2*9）=576维图2检测效果四、HOG特征提取代码：unctionp=hog(I,block,cell,angle,bin)

8、%hog计算一幅图像的HOG特征%IN:% I-图像大小MxN(ColororGray)% block-block大小% angle-180或者360%  bin-直方图的方向个数%  cell-cell大小%eg。hog(I,2,8,180,9)表示block为2x2cell;cell大小为8x8;%OUT:% p-histogramofor