Question

我有一段MATLAB代码，它从图像中获取91x91像素补丁并使用HOG来提取其特征向量。我想在Python中重写该函数。我一直在努力寻找如何在Python中获得与在MATLAB中相同的HOG返回值，但却没有这样做。如果您能提供任何帮助，我将非常感激。

VLFeat库（http://www.vlfeat.org/overview/hog.html）用于MATLAB代码中，我在Python中使用scikit-image（http://scikit-image.org/docs/dev/api/skimage.feature.html?highlight=peak_local_max#skimage.feature.hog）。

在Matlab中，输入'im2single（patch）'是91 * 91阵列，而返回的Hog数据类型是4 * 4 * 16 single.HoG使用23的单元格大小和方向数量4。

     hog = vl_hog(im2single(patch),23, 'variant', 'dalaltriggs', 'numOrientations',4) ;

返回的数据为4 * 4 * 16单，可以以下列形式显示：

     val(:,:,1) =

     0         0         0         0
     0         0         0         0
     0    0.2000    0.2000    0.0083
     0    0.2000    0.2000    0.0317

     ....

     val(:,:,16) =

     0         0         0         0
     0         0         0         0
     0         0    0.0526    0.0142
     0         0    0.2000    0.2000

然后手动将结果平展为256 * 1特征向量。总之，在91×91的像素块中，提取了256×1的特征向量。现在我想在Python中得到相同的结果。

在我的Python代码中，我尝试应用具有相同单元格大小和方向数的HOG。块大小设置为（1,1）

    tc = hog(repatch, orientations=4, pixels_per_cell=(23,23), cells_per_block= (1,1), visualise=False, normalise=False)

我将补丁的大小附加到92 * 92，因此补丁大小是单元格大小的整数倍。输入数组现在称为“repatch”。但是，输出'tc'是一个64 * 1数组（梯度直方图被展平为特征向量）

   tc.shape 

   (64,)

然后我查看了Skimage源代码，

    orientation_histogram = np.zeros((n_cellsy, n_cellsx, orientations))
    orientation_histogram.shape 
    (4, 4, 4)

这里n_cellsx是：x和n_cellsy中的单元格数量是：y中的单元格数量。似乎Hog的输出与orientation_histogram的维度高度相关。

返回值的HoG的实际尺寸由下式确定：

    normalised_blocks = np.zeros((n_blocksy, n_blocksx,by, bx, orientations))

其中n_blocksy，n_blocksy由下式计算：

    n_blocksx = (n_cellsx - bx) + 1
    n_blocksy = (n_cellsy - by) + 1

n_cellsx是：x中的单元格数，这里的值是4，所以是n_cellsy; bx，by是cells_per_block，即（1,1）;在这种情况下，取向是4。

看起来返回值（normalised_blocks）的大小是由4 * 4 * 1 * 1 * 4（n_blocksy * n_blocksx * by * bx * orientation）计算的

我试图改变块大小但仍然无法得到我的预期...（虽然块大小为（2,2），返回值为144 * 1数组）

任何人都可以帮忙...我怎样才能获得与Matlab相同的Hog输出？非常感谢。

Answer 1

与scikit-image相比，VLFeat库做了一些不同的事情。 VLFeat库返回9（方向数）对比度不敏感，18对比敏感和4维捕获方块中的总梯度能量（包含四个单元）。因此它每个单元输出31个维度。然而，scikit-image程序是不同的，我认为你对它有很好的理解。

根据我的经验，如果你想使用scikit-image和MATLAB找到相同的HoG矢量，你至少应该将cells_per_block= (2,2)放入scikit-image。

为什么Python的Hog输出（scikit-image）与MATLAB的Hog（vlfeat）不同？

1 个答案: