SIFT和HOG特征提取

SIFT：scale invariant feature transform

HOG：histogram of oriented gradients

上述两种技术均属于依托图像梯度方向直方图进行特征提取的算法体系。

1. SIFT 特征

实现方式：

SIFT 特征一般与通过 SIFT 检测器所识别出的感兴趣区域相结合应用。这些区域具有特定的方向和尺度属性。通常的做法是，先对图像中某一正方形区域实施对应的方向和尺度变换，随后在该区域内提取 SIFT 特征。

首先，在感兴趣点周围 16×16 像素的范围内，利用 Canny 边缘检测算子计算梯度方向及其强度值。将所得方向信息划分为 0-360 度之间的八个区间，并将 16×16 的区域划分为互不重叠的 4×4 个子区域。在每个子区域内统计梯度方向直方图（共八个区间），最终获得 16 个子区域对应的直方图信息，将其依次连接形成一个长度为 128 的向量，并对该向量进行归一化处理。

特性：

（1）由于采用梯度信息进行计算，该方法对于图像中恒定的灰度变化具备一定的鲁棒性。

（2）归一化处理步骤使得该特征对于图像整体对比度的变化表现出良好的稳定性。

（3）因在 4×4 的子区域内进行直方图统计，该特征对局部的小幅度形变具有较强的适应能力。

![](https