[发明专利]一种低维方向梯度直方图特征的提取方法

说明书

本发明公开了一种低维方向梯度直方图特征的提取方法，包括如下步骤：步骤1，计算整幅图像或者图像窗口中每个像素的梯度；步骤2，对图像窗口进行区域划分；步骤3，对块区域及其紧邻细胞区域中像素的梯度值在细胞区域之间进行位置线性插值；步骤4，计算细胞区域的方向梯度直方图；步骤5，计算块区域的方向梯度直方图；步骤6，计算图像窗口的方向梯度直方图特征。通过将减弱区域量化走样的措施由块区域重叠替换为将块区域之外紧邻的细胞区域纳入位置线性插值范围，该方法取消了块区域部分重叠，能提取出维度低得多的方向梯度直方图HOG特征。通过块内块外不同权重的高斯平滑，进一步减弱了区域量化走样。

技术领域

本发明属于计算机视觉领域，特别涉及一种低维方向梯度直方图特征的提取方法。

背景技术

文献1(Dalal,N and Bill Triggs,B.Histograms of oriented gradients forhuman detection.CVPR2005:886-893.)中记载了使用方向梯度直方图特征(histogramsof oriented gradients,HOG)的技术。至少因为以下三个原因，方向梯度直方图在计算机视觉领域颇受关注。首先，“视觉相似性”可以通过方向梯度直方图的余弦距离度量；其次，它是人类视觉相似性的合适模型，其中使用的基础信息是像素梯度而不是像素强度，对全局对比度比较鲁棒；第三，文献1所述方法梯度方向和细胞区域位置上的三线性插值以及块区域部分重叠措施极大消除了量化走样。

方向梯度直方图被应用到了各种对象类的检测和识别上，包括刚体如汽车等和可形变体如人、鸟、马等。在图像检索、图像内容理解、图像和场景分类等其他应用中方向梯度直方图也得到了广泛应用。近些年，在目标检测领域获得最好性能的工作都采用了方向梯度直方图特征或者类似的特征。

为降低后续应用的计算量，对方向梯度直方图特征进行降维是一个很重要的工作。针对某些目标检测问题，Felzenszwalb等在文献2(Felzenszwalb P F,Girshick R B,McAllester D,et al.Object detection with discriminatively trained part-basedmodels.IEEE transactions on pattern analysis and machine intelligence,2010,32(9):1627-1645.)中对块区域维度为36的方向梯度直方图进行主成分分析，再利用点积运算将块区域的方向梯度直方图的维度由36降为13。针对特定应用，文献3(Dang L,Bui B,Vop D,et al,Improved HOG Descriptors.ICKSE2011:186-189.)的工作通过略去检测图像窗口中信息量较少区域的特征来减少方向梯度直方图的维度。

但是，现有降维技术对特定应用的先验知识具有依赖性，并且一般也需要增加额外的计算负荷来进行降维。

发明内容

本发明提供了一种低维方向梯度直方图特征的提取方法，其目的在于，通过扩大参与块区域内细胞区域位置线性插值的像素范围到块的紧邻细胞区域，以及为块内块外像素采用不同高斯权重进行平滑处理，取消了提取图像窗口方向梯度直方图特征时的块区域部分重叠，以不增加计算负荷方式实现了不针对特定应用的特征降维。

一种低维方向梯度直方图特征的提取方法，包括以下步骤：

步骤1：对待提取直方图的图像窗口中的每个像素进行像素梯度计算；

步骤2：对待提取直方图的图像窗口进行区域划分；

将待提取直方图的尺寸为w*h的图像窗口划分成多个边长为b的块区域，并对每个块区域划分成多个边长为c的细胞区域；

划分的块区域和细胞区域均不存在重叠部分；