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

特征是一種在計算機視覺和圖像處理中用來進行物體檢測的特征描述子。HOG特征通過計算和統(tǒng)計圖像局部區(qū)域的梯度方向直方圖來構成特征。

在一副圖像中，局部目標的表象和形狀能夠被梯度或邊緣的方向密度分布很好地描述。其本質為：梯度的統(tǒng)計信息，而梯度主要存在于邊緣的地方

Hog特征結合SVM分類器已經(jīng)被廣泛應用于圖像識別中，尤其在行人檢測中獲得了極大的成功。

實現(xiàn)方法：

2、首先將圖像分成小的連通區(qū)域，這些連通區(qū)域被叫做細胞單元。然后采集細胞單元中各像素點的梯度的或邊緣的方向直方圖。最后把這些直方圖組合起來，就可以構成特征描述符。

3、性能提高：

將這些局部直方圖在圖像的更大的范圍內(nèi)（叫做區(qū)間）進行對比度歸一化，可以提高該算法的性能，所采用的方法是：先計算各直方圖在這個區(qū)間中的密度，然后根據(jù)這個密度對區(qū)間中的各個細胞單元做歸一化。通過這個歸一化后，能對光照變化和陰影獲得更好的效果。

因此HOG特征是特別適合于做圖像中的人體檢測的 。

1、色彩和伽馬歸一化。

A）、什么是圖像的歸一化

圖像歸一化是指對圖像進行了一系列標準的處理變換，使之變換為一固定標準形式的過程，該標準圖像稱作歸一化圖像。

這樣可以減少光照因素的影響

2、計算圖像梯度

計算圖像橫坐標和縱坐標方向的梯度，計算每個像素位置的梯度方向值；

從原始圖像當中抽象出來的數(shù)據(jù)圖像數(shù)字符號等等的這些標記稱為圖像特征。

唯一性，完整性，幾何變換不變性，名感性，抽象性

運用圖像分割的方法，進行處理成為

1） 面積

2） 位置為圖像執(zhí)行的位置，圖像的之心的計算法方法是

位置為質心所在的位置

為轉動慣量最小的那個軸，使得所有的點距離該軸的距離的歐氏距離最小。

使用鏈碼表示物體的邊界

鏈碼就是用來表示目標物體邊界上的點的數(shù)值序列，可以結婚時呢個存儲信息，而且可以準確的去頂物體的一些信息。

鏈碼就是用來表示目標物體邊界上的點的數(shù)值序列，可以結婚時呢個存儲信息，而且可以準確的去頂物體的一些信息。

什么是鏈碼表

原鏈碼：

歸一化鏈碼：

原鏈碼具有平移不變性，但是當起點不同時候，會有不同的鏈碼，所以要使用歸一化鏈碼，確定那個起始點，使得鏈碼的存儲數(shù)據(jù)最小。

差分碼：

由于歸一化鏈碼不具有旋轉不變性，于是定義了差分鏈碼。

傅里葉描述子（傅里葉變換的一個作用就是使得在信息量不發(fā)生變化的情況下將數(shù)據(jù)的表達形式發(fā)生變化，例如卷積，就是將數(shù)據(jù)從以為變化到二維空間當中）。

采用傅里葉描述的一個優(yōu)點是講二維問題轉化為一維問題，

使用傅里葉描述子的方法是：省略后面的n-m個點。

除此之外還有偏心度。

什么叫做矩：

矩在統(tǒng)計學中可以表征隨機變量的分布，而在力學中用于表征特征物質的分布。

二值圖是一種二維密度的分布函數(shù)。

二維矩不變理論p+q階矩的定義：

P+q階矩的定義

其中，x拔和y拔是圖像的灰度的中心點。

直方圖特征

數(shù)字圖像可以看作是一個二維隨機過程的一個樣本，用聯(lián)合該類分布來描述。

例如：圖像灰度直方圖可以描述圖像的灰度分布情況，（圖像的灰度直方圖就是使用概率分布來表述這些特征在圖像中的分布的情況。）

B表示了灰度級別，該灰度b在圖像中出現(xiàn)的頻率P（b）m表示了圖像中的總像素數(shù)目。N（b）表示像素為灰度值b的數(shù)目。

P（b）表示了區(qū)域的概率密度函數(shù)。

直方圖給出了灰度圖像額全局描述。在實際當中使用從直方圖中提取出來的一階統(tǒng)計測度。來區(qū)別類別間的特征差異

有均值，方差，能量，熵、偏度

偏度：

數(shù)據(jù)集關于中心點u分布的對稱情況。

如果大于零，則表示圖像像素偏于中心點的右邊。

在圖像處理領域當中，均值u反應圖像的平均亮度，方差反應圖像灰度級分布的分散性。但是這兩個值容易受到圖像采樣情況的影響。 所以應該對他圖像進行歸一化處理。。使得所有圖像中的所有圖像都具有相同的均值和方差。 能量是灰度分布對于原點的二階矩，如果圖像灰度值的等概率分布，則能量最小，熵是圖像中信息量多少的反應，對于等概率分布，熵最大。