非理性买橘子去了 已于 2023-12-19 21:20:22 修改1.前言
本次目的是实现palmbases（600张掌纹）的识别，采用的重要推荐技术是HOG技术提取特征，也采用了pca传统特征提取进行对比，采用类内距离以及类间距离进行判定特征提取的质量！
2.技术介绍
1.HOG（梯度方向直方图）
HOG（Histograms of Oriented Gradients，梯度方向直方图）是一种用于计算图像特征的技术。其原理基于以下几个步骤：
图像预处理：将输入图像转换为灰度图像，并进行归一化和平滑处理，以减少噪声干扰。 计算梯度：使用Sobel算子计算图像中每个像素的梯度大小和方向。 划分细胞：将图像划分成多个小块，称为细胞。每个细胞内包含多个像素。 统计梯度方向：在每个细胞内，统计所有像素的梯度方向，并将其分成若干个方向区间，例如0-20度、20-40度等。统计得到每个方向区间内的梯度强度之和，作为该方向区间的权值。 归一化：对于每个细胞内的权值，进行L2范数归一化，以消除光照和阴影的影响。 梯度直方图：将每个细胞内的归一化权值组合成一个梯度直方图。通常将相邻的几个细胞组成一个块，并对每个块内的梯度直方图进行归一化，以提高鲁棒性。 特征向量：将所有块内的梯度直方图组合成一个特征向量，作为该图像的特征表示。HOG特征的数学原理主要涉及对图像梯度的计算和统计、块归一化以及特征向量的生成。这些过程都是基于数学运算和统计方法的，以提取图像中的边缘和纹理信息，并实现对图像特征的编码。
2.PCA（传统方法，不再赘叙）
3.数据集介绍
