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)的简称，是在图像尺寸固定的情况下，计算不同尺度下的特征（这一点有点绕，是指要计算HOG特征的区块的划分尺度在变化），将这些特征进行拼接得到PHOG特征，在论文[1,2]中被提出和使用，用来做图像分类。

PHOG原理

具体来讲，HOG特征描述的是一个区域，它可以是一个cell大小，也可以是一个windows大小，anyway，ROI内逐像素计算梯度方向，然后按预设将所有角度等分为若干份，每个像素点的梯度方向就划归到特定角度范围内，那么统计直方图中就把它算到对应的“统计立柱(bin)”里面去，术语叫做“投票”，其投票权值是像素点的梯度幅值。逐像素操作后得到一个统计直方图，它可以用一个一维向量表示。我们可以把这个向量叫做HOG特征。需要计算PHOG特征的图像其尺寸是固定的，但要计算HOG特征则可以对这个图片有不同尺度的划分：第一层，只有1个区域；第二层：分为2x2个区域；第三层：分为4x4个区域;...。在同一划分尺度图里面，每个区域算出一个HOG特征，按顺序进行拼接，得到当前尺度图的HOG特征；所有尺度图的HOG特征进行拼接，得到整个图像空间尺度金字塔的PHOG特征。

怎么求PHOG

用伪代码表示一下：

Input:    win：某图像区域    bins: 梯度方向（角度值）要划分到几个区域，即180°或360°要等分的数目。通常取360°和8等分    L: 尺度金字塔要搞几层？通常取3。表示除了原图尺度外，另外再算3个“原有1/2尺度”图像的HOG特征Output:    PHOG：尺度金字塔所有层的HOG特征的拼接Algorighm:    function HOG(area){        %计算某区域area的HOG特征        逐像素计算梯度方向（角度值）        按等分方向数量，将梯度方向划归到不同的区间，进行统计        统计得到的直方图，是一个向量        }    function level_HOG(level){        %计算某层金字塔的HOG特征        将均等划分的若干个窗口，分别计算HOG特征        将这些HOG特征进行拼接    }    function PHOG(win){        %计算某区域win的尺度金字塔的PHOG特征        逐层计算win的尺度金字塔的HOG特征        将这些HOG特征进行拼接    }

PHOG的维度

PHOG作为HOG的变种，也是一个描述符，在代码实现中就是一个一维向量。那么PHOG描述符的长度是多少？即，PHOG这个向量有多少维？

L=3, n=8时：

第0层是整图算HOG，1x8维的HOG特征

第1层是2x2划分，2x2x8维的HOG特征

第2层是4x4划分，4x4x8维的HOG特征

第3层是8x8划分，8x8x8维的HOG特征

因此，此时的phog_dimension=(1+4+16+64)x8=680维

source code

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)