知识卡片
梯度特征刻画形状与边缘
前景建模的第一步是选特征。梯度特征统计像素在梯度幅值与方向上的分布,描述的是形状与边缘结构而非颜色,因此对光照整体变化不敏感。
SIFT 在尺度空间中找关键点,取关键点邻域的梯度方向直方图作为描述子,具备尺度与旋转不变性,适合做局部匹配与目标描述。HOG 把图像划成细胞单元,统计每个单元内各方向的梯度投票并归一化,得到块级直方图,对行人这类具有稳定轮廓的目标判别力强,但本身不具备尺度不变性,需要配合多尺度扫描。
在此基础上的改进主要针对速度与维度:PCA-SIFT 用主成分降维,SURF 用积分图与 Haar 响应近似加速,V-HOG 通过变尺寸块适应不同分辨率的目标。
共同边界在于:梯度依赖可分辨的边缘。目标纹理弱、图像模糊或红外图像对比度低时,梯度响应被噪声主导,特征随之失真。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
- · 第1章 概述
原书出处 · 1 处
- 第1章 概述 · 查看原书依据
SIFT特征通过获取特定点附近的梯度信息来描述目标,具有尺度和旋转不变性;HOG特征首先计算图片中某一区域在不同方向上的梯度值,然后得到梯度值分布的直方图作为图像的特征
参考来源
- 位置:《基于类脑计算的目标检测与跟踪技术》第1章 概述(源文件:extracted/基于类脑计算的目标检测与跟踪技术/_epub-src/OPS/txt001.html)
- 结论依据:前景建模的第一步是选特征。
- 原始内容:SIFT特征通过获取特定点附近的梯度信息来描述目标,具有尺度和旋转不变性;HOG特征首先计算图片中某一区域在不同方向上的梯度值,然后得到梯度值分布的直方图作为图像的特征