计算机视觉中的传统特征提取方法总结

文章预览

前言   本文对计算机视觉传统方法中的一些特征提取方法进行了总结，主要包括有：SIFT(尺度不变特征变换)、HOG(方向梯度直方图)、SURF、ORB、LBP、HAAR 来源：机器学习AI算法工程 编辑：CV技术指南 目录 [1] SIFT（尺度不变特征变换） [2] HOG（方向梯度直方图） [3] SIFT和HOG的比较 [4] SIFT/HOG与神经网络特征提取的比较 [5] 其他传统特征提取的方法（SURF、ORB、LBP、HAAR） 先对几个概念和问题做一个解释： 图像为什么要灰度化？ 识别物体，最关键的因素是梯度（SIFT/HOG），梯度意味着边缘，这是最本质的部分，而计算梯度，自然就用到灰度图像了，可以把灰度理解为图像的强度。 颜色，易受光照影响，难以提供关键信息，故将图像进行灰度化，同时也可以加快特征提取的速度。 仿射不变性 平面上任意两条线，经过仿射变换后，仍保持原来的状态（比如平行 ………………………………