2019-06-23
圖像特征提取方法：
Haar酝碳、Gabor伴网、LBP逃沿、SIFT透揣、HOG
Haar
這個(gè)好像不錯(cuò)：第九節(jié)济炎、人臉檢測(cè)之Haar分類器
好像就是檢測(cè)不同種模式的特征的感覺。
Haar
HOG
這個(gè)是篇英文的辐真，很不錯(cuò)：HOG
下面貼了3個(gè)中文的须尚，其中這個(gè)是翻譯：圖像學(xué)習(xí)-HOG特征
- 預(yù)處理：
crop截取、resize -> 64x128侍咱。 - 對(duì)于8x8的網(wǎng)格耐床，計(jì)算梯度圖像：
把64x128劃分成8x8的網(wǎng)格，計(jì)算這個(gè)8x8區(qū)域的梯度直方圖楔脯。得到9個(gè)bin的1個(gè)向量撩轰。 - 對(duì)于16x16的塊，歸一化：
得到長(zhǎng)度為4x9=36的向量。 - 計(jì)算HOG特征向量：
一個(gè)小圖得到36*105=3780維向量堪嫂。 - 這是用來做物體檢測(cè)的特征描述子...并不是特征點(diǎn)的
SIFT
以前整理過偎箫，現(xiàn)在簡(jiǎn)單整理關(guān)鍵點(diǎn)。
還是參考大神的：SIFT算法詳解
- 4步：
(1) 尺度空間極值檢測(cè)
(2) 關(guān)鍵點(diǎn)定位
(3) 方向確定
(4) 關(guān)鍵點(diǎn)描述 - 分離高斯模糊：
在二維中皆串，疊加兩個(gè)一維的高斯淹办。如此減少運(yùn)算量（沒仔細(xì)算，好像是的）恶复。 - 尺度空間怜森，也就是構(gòu)建高斯金字塔：
組octave之間是下采樣的關(guān)系。
層interval之間是做不同尺度的高斯模糊寂玲。 - 構(gòu)建高斯差分金字塔（Difference of Gaussian, DoG）：
高斯差分算子代替拉普拉斯算子塔插。
使用高斯金字塔每組中相鄰上下兩層圖像相減，得到高斯差分圖像拓哟，用于檢測(cè)極值想许。 - 空間極值點(diǎn)檢測(cè)：
DoG上的每個(gè)點(diǎn)，與其在圖像域和尺度域中相鄰的333-1=26個(gè)點(diǎn)進(jìn)行比較断序，看是否為極值點(diǎn)流纹。 - 關(guān)鍵點(diǎn)定位：
離散空間的極值點(diǎn)并不是真正的極值點(diǎn)，找真正的（具體沒看過）违诗。 - 關(guān)鍵點(diǎn)方向的分配：
為了使描述符具有旋轉(zhuǎn)不變性漱凝，需要利用圖像的局部特征為給每一個(gè)關(guān)鍵點(diǎn)分配一個(gè)基準(zhǔn)方向。使用圖像梯度的方法求取局部結(jié)構(gòu)的穩(wěn)定方向诸迟。對(duì)于在DOG金字塔中檢測(cè)出的關(guān)鍵點(diǎn)點(diǎn)茸炒，采集其所在高斯金字塔圖像3σ鄰域窗口內(nèi)像素的梯度和方向分布特征。在完成關(guān)鍵點(diǎn)的梯度計(jì)算后阵苇，使用直方圖統(tǒng)計(jì)鄰域內(nèi)像素的梯度和方向壁公。梯度直方圖將0~360度的方向范圍分為36個(gè)柱(bins)，其中每柱10度绅项。如圖5.1所示紊册，直方圖的峰值方向代表了關(guān)鍵點(diǎn)的主方向。
至此快耿，我們獲得的特征點(diǎn)具有了位置囊陡、尺度和方向的信息。 - 關(guān)鍵點(diǎn)特征描述：
這個(gè)描述子不但包括關(guān)鍵點(diǎn)掀亥，也包含關(guān)鍵點(diǎn)周圍對(duì)其有貢獻(xiàn)的像素點(diǎn)撞反。
（emmm具體怎么來的還是沒看）
