旋转不变梯度直方图目标描述方法

金色传说

摘 要：论文为解决旋转目标图像匹配问题，提出旋转不变梯度直方图(RI-HOG)目标描述方法。RI-HOG 描述方
法首先将目标区域等间隔划分为多个同心圆环并统计每个圆环的梯度直方图(HoG)，各圆环 HoG 累加的结果作为
目标区域的主方向，再将各圆环 HoG 根据主方向旋转相应角度作主方向归一化处理，最后把旋转后的各圆环 HoG
. e. \  ~6 a+ n3 D) j) L, x按空间顺序连接后即生成 RI-HOG。对实际采集图像的仿真结果表明，基于 RI-HOG 的目标匹配算法在目标旋转
任意角度时依然能够准确检测到目标。RI-HOG 具有很好的旋转不变性。
关键词：自动目标识别；特征描述方法；梯度直方图；旋转不变性
0 N8 A  v. Z$ j* L, i/ z+ m1 引言
' m- t/ `: X5 F- M% _目标外观建模表示是自动目标识别系统重要组
成部分，其性能直接影响目标检测、跟踪与识别的
准确性。优秀的特征描述方法应该具有准确反映目
0 z" I5 `$ W& a8 a2 C) h标独特外观特征、适应不同成像条件等特性。与整
# k3 K& q6 [" h# Q1 W体特征描述方法相比，局部特征描述方法对尺度、
# m1 P3 D4 ^, [2 O1 e) o旋转、视角等变化，以及噪声、遮挡等因素具有强
的适应性[1,2]，成为自动目标识别领域研究的热
1 n  T* J$ X' f0 D$ M" y点[2 15]。SIFT[3], SURF[4], HOG [5 ]−9 等是常用的局部特
, h* Z) C; i2 G* G$ s
$ e0 S- C1 S: {6 y征描述方法，其中 HOG 已经被证实为鲁棒性非常
好的特征[9]。HOG 将图像分成小的联通区域，在联
( G# h, H+ Z" w通区域内对各像素梯度幅值按梯度方向进行累加生
! ?( z3 U: }. g1 \; `) M成直方图，按空间位置关系生成特征向量作为特征
描述符，其核心思想是图像中局部区域的形状、纹
理等特征可以通过该区域的梯度方向密度分布很好
2 j5 H3 M) {* V2 ]) F* y地描述[5]。
$ ~. m/ I1 A7 o/ r6 V7 J当实时采集图像与模板图像存在任意角度旋转
时，特征对旋转的稳定性将直接影响目标匹配与识
别的准确性。研究中常采用两种策略来获取具有旋
$ G5 [; N1 X' B8 C4 [转不变性的目标特征描述算子[9]：(1)通过学习不同
9 ~- L1 |% b" g3 L" A旋转角度的训练样本得到旋转不变特征[10, ]11 ；(2)
姿态归一化处理，如文献[3,15]根据图像主方向对图像


3 B; x, X3 d" b
# i- c0 X( }2 w( g( J9 \$ a; ]7 u" w

附件下载：

游客，如果您要查看本帖隐藏内容请回复

liuguanJun

下载来看看