遥感影像特征提取的HOG描述符：方向梯度通道直方图

遥感影像特征提取描述符：HOG（方向梯度通道直方图）

**摘要：**在初次接触HOG时，查阅了大量网络上的相关博客，但每篇内容的侧重点各异，对于刚入门的学习者而言略显混乱，当时特别希望找到一篇既详尽又易于理解的介绍该特征提取算法的文章。经过数日的学习与资料查询，终于掌握了如何构建影像的方向梯度直方图。为便于有兴趣的朋友理解以及本人后续复习HOG，本文整体介绍了HOG的基本概念，并详细说明了遥感影像中HOG特征描述符的生成过程。

方向梯度通道直方图（HOG）简介

首先需要明确的是，HOG是一种用于图像描述的特征描述符。那么什么是特征描述符呢？简而言之，特征描述符是对图像或图像块的一种表示方式，其核心在于提取关键信息并忽略无关内容以简化图像表达。举一个简单的例子：如果目标是构建一个用于识别衬衫和外套纽扣的检测器，则纽扣通常呈圆形（在图像中可能呈现为椭圆形），并且表面常有多个用于缝制的小孔。此时，在纽扣图像上应用边缘检测器后，仅通过观察边缘信息即可判断是否为纽扣。在此情境下，边缘信息属于“有用”的部分，而颜色信息则可忽略不计。在HOG特征描述符中，梯度方向的分布（即方向梯度直方图）被视作关键信息，并作为特征使用（在遥感影像处理中通常将从影像中提取的关键信息称为特征）。图像中的梯度（包括x和y方向的导数）具有重要价值，因为其幅度在边缘和角落等强度突变区域较大