基于仿射梯度方向直方图特征的目标识别算法

针对基于传统梯度方向直方图特征的目标识别算法(HOG+SVM)在目标发生仿射变化时识别效果较差的问题,该文提出一种基于仿射梯度方向直方图特征的目标识别算法(AHOG+SVM)。通过提取多尺度金字塔梯度图像的HOG特征,提高了算法的尺度不变性;通过将平面HOG栅格拓展至3维HOG栅格,并根据目标的世界坐标系与图像坐标系的映射关系将3维HOG栅格映射为2维HOG仿射栅格,最后对仿射栅格内的HOG特征进行仿射逆变换,以达到增强算法旋转不变性与错切不变性的目的。多组实验结果表明,该文提出的算法能够解决在目标识别过程中由尺度变化、旋转变化和错切变化(3D视角变化)所造成的识别率较低的问题,性能优于HOG+SVM算法。

基于梯度方向直方图的热核特征提取方法

提出了一种适用于描述非刚性三维模型局部表面结构的特征提取方法,即基于梯度方向直方图的热核特征(HOGHKS)提取方法。该方法首先提取具有等距不变性的三维点热核信号,可以使后续提取的特征向量具有等距不变性和较好的稳定性;然后对热核信号的对数差分值进行梯度方向直方图统计,可以使构造出的特征向量对三维模型的尺度变化具有一定的不变性。该特征在一定程度上解决了HKS特征不具有尺度不变性、SI-HKS特征虽然具有尺度不变性但是需要将热核信号转换到频域进行描述会丢失一部分有效描述信息的问题。实验结果表明,与HKS特征和SI-HKS特征相比,HOG-HKS特征具有更好的检索效果。

基于腿部梯度方向直方图特征优化的行人检测

针对传统的基于梯度方向直方图(HOG)特征的行人检测耗时较长的问题,提出了基于腿部HOG特征优化的行人检测方法。该方法采用加权Fisher线性判别(WLFD)代替线性SVM来选择最具区分性的HOG特征,在保持分类能力的同时减少训练时间和存储空间,而且选择查找表型弱分类器的Gentle Adaboost算法来训练优化权重组合HOG特征,形成一个强分类器来检测行人。通过对线性SVM、加权Fisher与阈值型以及加权Fisher与查找表型三种弱分类器的对比试验表明,基于加权Fisher与查找表型HOG特征优化后不仅提高了检测精度,而且训练时间和检测时间也能明显降低。

基于梯度方向直方图特征和支持向量机的医学影像分类方法

本文阐述了基于内容的图像检索技术的特点,采用梯度方向直方图(HOG)特征来描述图片的边缘特征,利用支持向量机(SVM)对多类别的图片进行分类,并比较了几种核函数对分类效果的影响,指出基于HOG特征和支持向量机的分类方法可以辅助医护人员进行医学影像检索。

基于稳定区域梯度方向直方图的行人检测方法

针对HOG算法采用简单均匀分布的块提取行人特征,导致过多冗余特征和检测效率较低问题,提出一种启发式的块生成算法.首先将待检测窗口划分成多个大小不一且交叉重叠的块,然后根据各个块的梯度方向直方图特征的稳定性对各个块进行排序,最后选取稳定性最高的多个块作为最终HOG算法的特征提取块.实验结果表明,该算法可取得较好的检测效果,并且检测速度得到了进一步的提高.

视角和旋转角变化时梯度方向直方图的转换

使用梯度方向直方图(HOG)来检测目标,需要大量的,有代表性的样本来训练分类器.一个目标的HOG,其特征在不同的摄像机视角和不同的光轴旋转角下,并不相同.因此,使用不同视角下的混合样本集来训练分类器时,目标检测的准确率受到样本噪声的影响将会降低.基于摄像机成像的基本原理,提出了一种转换算法,可以把一个样本在某个视角下的HOG特征转换成另一个视角下的HOG特征.这样既降低了分类器训练时需要采集的正负样本数量,又提高了支持向量机(SVM)分类的准确性,从而提高了目标检测的准确性.大量目标检测实验结果表明本文提出的算法是有效的.

素描梯度方向直方图用于人脸画像识别

为有效提取人脸画像的轮廓信息,首先提出素描算子,使人脸画像的梯度幅值图像清晰、厚重,由此形成素描梯度方向直方图(S-HOG)描述子。其次优化S-HOG描述子的主要参数,提升S-HOG描述子的图像信息表达能力。针对缺乏实验用人脸刑侦画像库问题,建立了由不同画家完成的多风格人脸画像(MSFS)库,用于模拟人脸刑侦画像库。最后,在MSFS库、人脸观察画像库、PRIP人脸合成画像库上与尺度不变特征转换(SIFT)描述子、统一局部二值模式(ULBP)描述子及HOG描述子进行了比较实验。结果表明:在人脸观察画像库上,提出的S-HOG描述子比SIFT、HOG和ULBP描述子的识别率提高5.14%、3.22%和68.81%。在MSFS库上,分别提高14%、5.5%和26.5%。在PRIP库上,分别提高6.15%、4.06%和9.75%。

融合颜色和梯度方向直方图的粒子滤波跟踪算法

针对基于单一颜色特征的粒子滤波跟踪算法在复杂环境下会导致跟踪失败的问题,提出了一种融合颜色直方图和梯度方向直方图,形成一种新的综合直方图特征的粒子滤波跟踪算法.颜色直方图是对目标在彩色图像中的全局描述,而梯度方向直方图包含了一定的结构信息,两者可以互为补充.实验结果表明,采用综合直方图特征能够在背景颜色干扰导致目标颜色特征鉴别能力丧失的情况下,仍能稳定可靠地跟踪目标,提高了跟踪精度,具有较强的鲁棒性.

一种基于梯度方向直方图的俯视行人的检测方法

目前已有很多关于行人检测方面的研究,这些研究基本建立在行人竖直站立或行走的平视图上,主要应用于视频监控和车载辅助驾驶等领域,但在实际应用中,有时需要从不同的视角检测行人.文中提出一种针对俯视行人检测方法,该方法将俯视行人头部的梯度方向直方图统计信息作为检测目标的特征.通过训练样本提取的特征向量在支持向量机中进行训练得到分类模型参数,然后提取检测样本的特征向量输入分类模型进行判别.与现有行人检测的梯度方向直方图算子相比,文中特征描述算子突出目标的区域与轮廓特征,在目标分块、特征计算和特征统计方法上均有变化.实验证明算法有效且处理速度明显提升.

基于改进梯度方向直方图的人民币识别(英文)

提出一种基于改进梯度方向直方图和支持向量机分类器的人民币识别方法.利用人民币红外图像中斑马线特征进行真伪识别,通过Fisher准则进行特征块选择实现梯度方向直方图特征的降维.针对斑马线防伪图案进行实验.结果表明,该方法能克服红外图像中的背景干扰和噪声,得到较好鉴伪结果.

基于边缘梯度方向直方图的图像检索

图像检索是计算机视觉研究的热点问题之一。首先对数字图像进行边缘检测;接下来对各个边缘点求其梯度;然后根据各个边缘点的梯度求得边缘梯度方向直方图;最后用街区距离进行相似性度量,实现图像检索。仿真实验表明,本文提出的算法是一种有效的图像检索方法。

一种梯度方向直方图的人耳识别方法

为了提高多姿态人耳的识别准确率,提出了一种结合梯度方向直方图(HOG)特征和监督保局投影的人耳识别方法.人耳图像被划分成重叠的子区域,在每个子区域中计算局部HOG特征.所有的局部HOG特征构造成包含丰富信息的高维向量,高维向量映射到流形空间利用监督保局投影进行鉴别分析,获得强鉴别力的特征.利用最小欧氏分类器进行分类识别.结果表明,本文方法提高了大姿态人耳的识别率.稀疏的子区域表示和局部HOG特征能在一定程度上克服姿态变化造成的对齐误差,对角度变化有很好的鲁棒性.

基于增量主成分分析和共生梯度方向直方图的人体检测

为克服共生梯度方向直方图特征维数过高,提出了使用增量主成分进行维数约简,并对增量主成分分析的初始循环部分做了改进,在INRIA人体图像库上的试验结果表明,该方法是有效的。

基于梯度方向和强度直方图的红外行人检测

由于梯度方向直方图(HOG)特征很难区分与行人具有相似轮廓的物体,并且未能较好利用红外图像中行人轮廓内部的亮度信息。为此,提出一种新的特征——梯度方向和强度直方图(HOGI),将其应用于红外行人检测中。通过支持向量机(SVM)融合多特征的方法,避免多特征串联时维度过高的问题。实验结果表明,与HOG相比,HOGI在不增加特征维度和计算量的情况下,漏报率平均降低50%左右。通过基于滑动窗搜索法对实际红外图像进行检测发现,HOGI+SVM方法比HOG+SVM方法具有更好的检测效果。

非重叠低维度梯度方向直方图

作为衍生于尺度不变特征变换的特征描述,梯度方向直方图(HOG)在人体检测、手势识别、人脸识别、场景分类等方面得到广泛应用.但HOG的特征维数高,导致维数灾难和大计算量.文中发现HOG特征的高维度源自它需在众多重叠块中计算直方图.虽然重叠块机制对特征的鲁棒性有积极作用,但也导致信息冗余.为去除冗余信息并降低特征维数,从直方图归一化入手,提出非重叠式梯度方向直方图.所提方法的维数降低为传统方法的1/3.在人手和人体检测上的实验表明,该方法不仅物体检测速度得到显著提高,检测准确度也得到改善.

基于梯度Gabor直方图特征的表情识别方法

针对传统Gabor特征在表情识别上的局限性,提出一种基于梯度Gabor直方图(GGH)特征的表情识别方法.首先对预处理后的人脸图像进行Gabor特征提取;然后将相同尺度、不同方向的Gabor特征按照梯度方向构造Gabor特征融合图,再对融合图进行分块并计算每个子块的直方图分布,从而构成人脸的GGH特征;最后采用支持向量机对GGH特征进行人脸表情分类.在JAFFE库与Pain Expressions库上进行交叉验证的结果表明,在保证较高识别率时,GGH特征比传统的Gabor特征实时性更高.

方向梯度直方图及其扩展

介绍方向梯度直方图(HOG)及其扩展。结合HOG的计算步骤阐述其内在理念和捕获的主要图像特征,指出其局限性,论述对HOG的重要扩展,包括多尺寸HOG、梯度方向直方图金字塔、分析降维HOG,给出对各扩展使用积分图加速计算的方法以及其他改善方法,从措施、复杂度、维数、思想等方面对各HOG改善方法进行比较,给出HOG未来的研究方向。

基于主方向的旋转不变HOG特征

特征提取是目标检测与识别领域的研究热点之一,HOG(Histogram of Oriented Gradient)特征由于其对图像局部信息良好的几何和光照不变性,在行人检测、车牌和人脸识别等计算机视觉邻域得到了广泛应用,但是HOG不具有旋转不变的特性,使得该特征在实际应用中存在着一些局限性。针对该问题,提出一种具有旋转不变性的HOG特征提取方法,首先根据图像梯度信息提取主方向并设置为参考方向,接着旋转主方向至参考方向,在旋转后的图像上得到旋转不变的HOG特征。并且设计了一种面向图像匹配的相似性度量准则,它以单个图像块(Block)特征向量为基元,与待匹配图像中对应块及其邻域块特征向量的相似度共同作为度量标准,增强了旋转图像在像素平移情况下的匹配效果。实验结果表明,提出的改进HOG特征具有良好的旋转不变特性。

LBP和HOG的分层特征融合的人脸识别

针对LBP描述子提取的纹理特征有限且不能有效地描述图像边缘和方向信息的问题,提出了LBP和HOG的分层特征融合的方法.首先利用LBP算子提取图像的分层纹理谱特征,然后利用HOG算子提取原始图像的边缘特征和基于分层LBP特征的分层HOG特征,最后将分层LBP特征分别与2种HOG边缘特征融合,得到2种不同的多层融合特征.通过在ORL,Yale和GT人脸库上进行实验,比较了15种算法的识别性能,结果证明了文中方法的有效性;相对于传统的经典降维算法、单一的LBP特征提取算法和HOG特征提取算法,该方法的识别率有很大的提高,分别达到99%,99.5%和99.14%.

BOW-HOG特征图像分类

为了减少图像尺寸对提取特征的影响,同时移除特征向量中的冗余信息,将词汇袋模型(BOW)与梯度方向直方图(HOG)特征相结合,提出一种基于BOW-HOG的特征描述子用于图像分类.将图像划分为不同的子区域,对梯度幅值较大的子区域提取HOG特征.用BOW模型对子区域HOG特征编码,构建原始图像上维度一致的特征向量.将特征向量输入训练好的分类器,完成图像分类任务.将BOW-HOG特征描述子在不同的图像分类任务上进行试验,包括图像文本分类、图像场景分类.本实验的文本分类正确率为0.813,场景分类正确率为0.826,优于传统基于HOG特征的方法,表明了基于BOW-HOG特征图像分类方法的可行性、有效性.