hog特徵原理描述

Histogram of Oriented Gridients(HOG) 方向梯度直方圖

[轉載自 https://blog.csdn.net/datase/article/details/71374471 版權歸原做者全部 僅供學習參考]

Histogram of Oriented Gridients，縮寫爲HOG，是目前計算機視覺、模式識別領域很經常使用的一種描述圖像局部紋理的特徵。這個特徵名字起的也很直白，就是說先計算圖片某一區域中不一樣方向上梯度的值，而後進行累積，獲得直方圖，這個直方圖呢，就能夠表明這塊區域了，也就是做爲特徵，能夠輸入到分類器裏面了。那麼，接下來介紹一下HOG的具體原理和計算方法，以及一些引伸。

 

1.分割圖像

由於HOG是一個局部特徵，所以若是你對一大幅圖片直接提取特徵，是得不到好的效果的。原理很簡單。從信息論角度講，例如一幅640*480的圖像，大概有30萬個像素點，也就是說原始數據有30萬維特徵，若是直接作HOG的話，就算按照360度，分紅360個bin，也沒有表示這麼大一幅圖像的能力。從特徵工程的角度看，通常來講，只有圖像區域比較小的狀況，基於統計原理的直方圖對於該區域纔有表達能力，若是圖像區域比較大，那麼兩個徹底不一樣的圖像的HOG特徵，也可能很類似。可是若是區域較小，這種可能性就很小。最後，把圖像分割成不少區塊，而後對每一個區塊計算HOG特徵，這也包含了幾何（位置）特性。例如，正面的人臉，左上部分的圖像區塊提取的HOG特徵通常是和眼睛的HOG特徵符合的。

接下來講HOG的圖像分割策略，通常來講有overlap和non-overlap兩種，以下圖所示。overlap指的是分割出的區塊（patch）互相交疊，有重合的區域。non-overlap指的是區塊不交疊，沒有重合的區域。這兩種策略各有各的好處。

先說overlap，這種分割方式能夠防止對一些物體的切割，仍是以眼睛爲例，若是分割的時候正好把眼睛從中間切割而且分到了兩個patch中，提取完HOG特徵以後，這會影響接下來的分類效果，可是若是兩個patch之間overlap，那麼至少在一個patch會有完整的眼睛。overlap的缺點是計算量大，由於重疊區域的像素須要重複計算。

再說non-overlap，缺點就是上面提到的，有時會將一個連續的物體切割開，獲得不太「好」的HOG特徵，優勢是計算量小，尤爲是與Pyramid（金字塔）結合時，這個優勢更爲明顯。

2.計算每一個區塊的方向梯度直方圖

將圖像分割後，接下來就要計算每一個patch的方向梯度直方圖。步驟以下：

A.利用任意一種梯度算子，例如：sobel，laplacian等，對該patch進行卷積，計算獲得每一個像素點處的梯度方向和幅值。具體公式以下：

 

其中，Ix和Iy表明水平和垂直方向上的梯度值，M(x,y)表明梯度的幅度值，θ(x,y)表明梯度的方向。

 

B.將360度（2*PI）根據須要分割成若干個bin，例如：分割成12個bin，每一個bin包含30度，整個直方圖包含12維，即12個bin。而後根據每一個像素點的梯度方向，利用雙線性內插法將其幅值累加到直方圖中。

 

C.（可選）將圖像分割成更大的Block，並利用該Block對其中的每一個小patch進行顏色、亮度的歸一化，這一步主要是用來去掉光照、陰影等影響的，對於光照影響不劇烈的圖像，例如很小區域內的字母，數字圖像，能夠不作這一步。並且論文中也說起了，這一步的對於最終分類準確率的影響也不大。

3.組成特徵

將從每一個patch中提取出的「小」HOG特徵首尾相連，組合成一個大的一維向量，這就是最終的圖像特徵。能夠將這個特徵送到分類器中訓練了。例如：有4*4=16個patch，每一個patch提取12維的小HOG，那麼最終特徵的長度就是：16*12=192維。

4.一些引伸

 與pyramid相結合，即PHOG。PHOG指的是，對同一幅圖像進行不一樣尺度的分割，而後計算每一個尺度中patch的小HOG，最後將他們鏈接成一個很長的一維向量，做爲特徵。例如：對一幅512*512的圖像先作3*3的分割，再作6*6的分割，最後作12*12的分割。接下來對分割出的patch計算小HOG，假設爲12個bin即12維。那麼就有9*12+36*12+144*12=2268維。須要注意的是，在將這些不一樣尺度上得到的小HOG鏈接起來時，必須先對其作歸一化，由於3*3尺度中的HOG任意一維的數值極可能比12*12尺度中任意一維的數值大不少，這是由於patch的大小不一樣形成的。PHOG相對於傳統HOG的優勢，是能夠檢測到不一樣尺度的特徵，表達能力更強。缺點是數據量和計算量都比HOG大了很多。

參考文獻：

Navneet Dalal and Bill Triggs，《Histograms of Oriented Gradients for Human Detection》，2005

A. Bosch, A. Zisserman, and X. Munoz, 《Representing shape with a spatial pyramid kernel》，2007