- HOG与SIFT的区别
Last active
March 29, 2018 01:12
-
-
Save Roger8/1662d19b0d849dad629efe62973af29a to your computer and use it in GitHub Desktop.
总结图像处理中的方法应用
Sign up for free
to join this conversation on GitHub.
Already have an account?
Sign in to comment
HOG与SIFT的区别 HOG和SIFT都是描述子，以及由于在具体操作上有很多相似的步骤，所以致使很多人误认为HOG是SIFT的一种，其实两者在使用目的和具体处理细节上是有很大的区别的。
HOG与SIFT的主要区别如下： (1)SIFT是基于关键点特征向量的描述。 (2)HOG是将图像均匀的分成相邻的小块，然后在所有的小块内统计梯度直方图。 (3)SIFT需要对图像尺度空间下对像素求极值点，而HOG中不需要。 (4)SIFT一般有两大步骤，第一个步骤对图像提取特征点，而HOG不会对图像提取特征点。
2、HOG的优缺点 优点： (1)HOG表示的是边缘(梯度)的结构特征，因此可以描述局部的形状信息； (2)位置和方向空间的量化一定程度上可以抑制平移和旋转带来的影响； (3)采取在局部区域归一化直方图，可以部分抵消光照变化带来的影响； (4)由于一定程度忽略了光照颜色对图像造成的影响，使得图像所需要的表征数据的维度降低了； (5)而且由于这种分块分单元的处理方法，也使得图像局部像素点之间的关系可以很好得到表征。
缺点： (1)描述子生成过程冗长，导致速度慢，实时性差； (2)很难处理遮挡问题； (3)由于梯度的性质，该描述子对噪点相当敏感