图像的特征提取pytorch 图像的特征提取方法

文章目录

• 1. 图像特征提取的方法

• a. 霍夫变换
• b. Harris角点
• c. Harr特征

• Harr-Like特征
• Harr分类器

1. 图像特征提取的方法

a. 霍夫变换

首先，用极坐标系表示直线，那么直线的检测就变为了检测直线的参数：p,theta。

接着转换到霍夫空间，笛卡尔坐标系的一个直线，变为霍夫空间的一个点，点出现的频次越高，说明为直线的概率越大。

霍夫变换的算法步骤：

b. Harris角点

重点：
焦点响应R值的计算和判断

c. Harr特征

Harr-Like特征

Haar(哈尔)特征分为三类：边缘特征、线性特征、中心特征和对角线特征，组合成特征模板。

特征模板内有白色和黑色两种矩形，并定义该模板的特征值为白色矩形像素和减去黑色矩形像素和。

Haar特征值反映了图像的灰度变化情况。例如：脸部的一些特征能由矩形特征简单的描述，如：眼睛要比脸颊颜色要深，鼻梁两侧比鼻梁颜色要深，嘴巴比周围颜色要深等。

但矩形特征只对一些简单的图形结构，如边缘、线段较敏感，所以只能描述特定走向（水平、垂直、对角）的结构。

Harr分类器

Haar分类器实际上是Boosting算法的一个应用。

Haar分类器用到了Boosting算法中的AdaBoost算法，只是把AdaBoost算法训练出的强分类器进行了级联，并且在底层的特征提取中采用了高效率的矩形特征和积分图方法。

Haar分类器 = Haar-like特征 + 积分图方法 + AdaBoost +级联