← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9593.g · 生成模型:DeepSeek-V4.1-Flash

梯度特征刻画形状与边缘

理解等级:中级

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?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    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