Hog,SIFT以及LBP这三种特征有什么不同?

Hog,SIFT以及LBP这三种特征有什么不同?

SIFT、HOG、LBP,这三者都属于局部特征。

一、三者原理上的区别

2.HOG:Histogram of Oriented Gradient,方向梯度直方图。

3.LBP:Local Binary Pattern,局部二值模式。

原始的LBP算子定义在像素3*3的邻域内,以邻域中心像素为阈值,相邻的8个像素的灰度值与邻域中心的像素值进行比较,若周围像素大于中心像素值,则该像素点的位置被标记为1,否则为0。这样,3*3邻域内的8个点经过比较可产生8位二进制数,将这8位二进制数依次排列形成一个二进制数字,这个二进制数字就是中心像素的LBP值,LBP值共有28种可能,因此LBP值有256种。中心像素的LBP值反映了该像素周围区域的纹理信息。

二、三者的优缺点及适用范围

2.【LBP特征原理及代码实现】

3.【目标检测的图像特征提取之(一)HOG特征】

9/1/2017 5:29:04 PMAuthor:大表哥 版权归作者所有,转载请注明出处