文章出處

PHOG特征

2016年7月13日 21:07:57

什么是PHOG

PHOG是Pyramid HOG(pyramid histogram of oriented gradient)的簡稱，是在圖像尺寸固定的情況下，計算不同尺度下的特征（這一點有點繞，是指要計算HOG特征的區塊的劃分尺度在變化），將這些特征進行拼接得到PHOG特征，在論文[1,2]中被提出和使用，用來做圖像分類。

PHOG原理

具體來講，HOG特征描述的是一個區域，它可以是一個cell大小，也可以是一個windows大小，anyway，ROI內逐像素計算梯度方向，然后按預設將所有角度等分為若干份，每個像素點的梯度方向就劃歸到特定角度范圍內，那么統計直方圖中就把它算到對應的“統計立柱(bin)”里面去，術語叫做“投票”，其投票權值是像素點的梯度幅值。逐像素操作后得到一個統計直方圖，它可以用一個一維向量表示。我們可以把這個向量叫做HOG特征。需要計算PHOG特征的圖像其尺寸是固定的，但要計算HOG特征則可以對這個圖片有不同尺度的劃分：第一層，只有1個區域；第二層：分為2x2個區域；第三層：分為4x4個區域;...。在同一劃分尺度圖里面，每個區域算出一個HOG特征，按順序進行拼接，得到當前尺度圖的HOG特征；所有尺度圖的HOG特征進行拼接，得到整個圖像空間尺度金字塔的PHOG特征。

怎么求PHOG

用偽代碼表示一下：

Input:
    win：某圖像區域
    bins: 梯度方向（角度值）要劃分到幾個區域，即180°或360°要等分的數目。通常取360°和8等分
    L: 尺度金字塔要搞幾層？通常取3。表示除了原圖尺度外，另外再算3個“原有1/2尺度”圖像的HOG特征
Output:
    PHOG：尺度金字塔所有層的HOG特征的拼接
Algorighm:
    function HOG(area){
        %計算某區域area的HOG特征
        逐像素計算梯度方向（角度值）
        按等分方向數量，將梯度方向劃歸到不同的區間，進行統計
        統計得到的直方圖，是一個向量    
    }

    function level_HOG(level){
        %計算某層金字塔的HOG特征
        將均等劃分的若干個窗口，分別計算HOG特征
        將這些HOG特征進行拼接
    }

    function PHOG(win){
        %計算某區域win的尺度金字塔的PHOG特征
        逐層計算win的尺度金字塔的HOG特征
        將這些HOG特征進行拼接
    }

PHOG的維度

PHOG作為HOG的變種，也是一個描述符，在代碼實現中就是一個一維向量。那么PHOG描述符的長度是多少？即，PHOG這個向量有多少維？

L=3, n=8時：
第0層是整圖算HOG，1x8維的HOG特征
第1層是2x2劃分，2x2x8維的HOG特征
第2層是4x4劃分，4x4x8維的HOG特征
第3層是8x8劃分，8x8x8維的HOG特征
因此，此時的phog_dimension=(1+4+16+64)x8=680維

source code

http://www.robots.ox.ac.uk/~vgg/research/caltech/phog.html

ref

[1] Bosch, A. , Zisserman, A. and Munoz, X.
Representing shape with a spatial pyramid kernel
Proceedings of the International Conference on Image and Video Retrieval (2007)
[2] Bosch, A. , Zisserman, A. and Munoz, X.
Image Classification using Random Forests and Ferns
Proceedings of the 11th International Conference on Computer Vision, Rio de Janeiro, Brazil (2007)

文章列表