定向梯度直方图与边缘方向直方图

use*_*593 7 pattern-recognition machine-learning image-processing computer-vision

我不清楚HOG和EOH之间的区别.Hog基于图像衍生物EOH基于边缘方向.似乎HOG也以某种方式表达了EOH.

能否请您解释一下EOH与HOG的区别以及EOH与HOG相比的优势.在什么情况下我们可以使用EOH与HOG进行比较?

dvh*_*mme 4

我认为主要区别在于,对于 HOG,计算实际梯度方向然后进行分箱,而对于 EOH,边缘方向是通过搜索一组边缘滤波器内核的最大响应来评估的。所以你可以说 HOG 在梯度计算之后进行分箱,而 EOH 直接计算分箱中的梯度。根据您想要的垃圾箱数量,一个会比另一个更快。

在 EOH 中,亮-暗和暗-亮边缘通常被同等对待,因此方向在 0 到 pi 的范围内,而在 HOG 中,分箱通常跨越完整的 2*pi。不过,您也可以轻松地让 EOH 执行此操作。