图像特征提取三大算法

图像特征提取三大算法：HOG特征、LBP特征、Haar特征，具体来说：

　

　1、HOG特征

方向梯度直方图（Histogram of Oriented Gradient, HOG）特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。它通过计算和统计图像局部区域的梯度方向直方图来构成特征。Hog特征结合 SVM分类器已经被广泛应用于图像识别中，尤其在行人检测中获得了极大的成功。需要提醒的是，HOG+SVM进行行人检测的方法是法国研究人员Dalal 在2005的CVPR上提出的，而如今虽然有很多行人检测算法不断提出，但基本都是以HOG+SVM的思路为主。

　

　2、LBP特征

LBP（Local Binary Pattern，局部二值模式）是一种用来描述图像局部纹理特征的算子；它具有旋转不变性和灰度不变性等显着的优点。它是在1994年提出，用于纹理特征提取。而且，提取的特征是图像的局部的纹理特征。

3、Haar特征

我知道你是谁，可我不想让这久违的悸动，换来的只是片刻的温柔。可惜，还来不及分辨出左右，你却踏着朔风的合弦，蝶舞般遁去了一袭白衣的身影。耳鬓间，只留下最后一句甜蜜的私语，一个娇嗔的约定——再见，不许挥手。

本站声明：本站部分文章来自网络，由用户上传分享，如若内容侵犯了您的合法权益，可联系我们进行处理。文章仅供大家学习与参考,不**本站立场。

 

A B C D E F G H I J K L M N O P Q R S T U V W X Y Z