本文主要是介绍SIFT与HOG特征提取，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
SIFT ：scale invariant feature transform
HOG：histogram of oriented gradients
这两种方法都是基于图像中梯度的方向直方图的特征提取方法。
1. SIFT 特征
实现方法：
SIFT 特征通常与使用SIFT检测器得到的感兴趣点一起使用。这些感兴趣点与一个特定的方向和尺度（scale）相关联。通常是在对一个图像中的方形区域通过相应的方向和尺度变换后，再计算该区域的SIFT特征。
首先计算梯度方向和幅值（使用Canny边缘算子在感兴趣点的周围16X16像素点区域计算）。对得到的方向在0-360度范围内分成八个区间，然后将16X16大小的区域分成不重合的4X4个单元，每个单元内计算梯度方向直方图（八个区间）。一共得到16个单元的直方图，将这些直方图接连起来得到长度为128X1的向量，然后将该向量归一化。
特点：
（1）由于使用梯度进行计算，该特征计算方法对恒定的灰度变化具有不变性。
（2）最后一步中的归一化过程使该特征对图像对比度具有一定不变性。
（3）由于在4X4的单元内计算直方图，该特征不会受到一些小的形变的影响。
这篇关于SIFT与HOG特征提取的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
