Python遥感图像处理应用篇036 GDAL+Scikit-image计算遥感图像梯度直方图HOG

空中旋转篮球

已于 2023-08-25 10:12:47 修改

阅读量898

点赞数 3

分类专栏： Python遥感图像处理文章标签： python 图像处理计算机视觉

于 2023-08-24 08:49:50 首次发布

本文链接：https://blog.csdn.net/soderayer/article/details/132444015

版权

Python遥感图像处理专栏收录该内容

52 篇文章 ¥29.90 ¥99.00

订阅专栏

超级会员免费看

本文介绍了HOG（Histogram of Oriented Gradient）特征在遥感图像处理中的应用，包括其原理、Python实现代码及计算效果展示。HOG特征结合SVM在行人检测等领域表现出色，对图像局部形变具有良好的不变性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1.HOG （Histogram of Oriented Gradient, HOG）

方向梯度直方图HOG（Histogram of Oriented Gradient, HOG）特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。它通过计算和统计图像局部区域的梯度方向直方图来构成特征。Hog特征结合SVM分类器已经被广泛应用于图像识别中，尤其在行人检测中获得了极大的成功。与其他的特征描述方法相比，HOG有很多优点。首先，由于HOG是在图像的局部方格单元上操作，所以它对图像几何的和光学的形变都能保持很好的不变性，这两种形变只会出现在更大的空间领域上。其次，在粗的空域抽样、精细的方向抽样以及较强的局部光学归一化等条件下，只要行人大体上能够保持直立的姿势，可以容许行人有一些细微的肢体动作，这些细微的动作可以被忽略而不影响检测效果（对于发生较大形变，HOG特征表现乏力）。因此HOG特征是特别适合于做图像中的人体检测的。

2.实现代码

#计算遥感图像方向梯度直方图HOG（Histogram of Oriented Gradient, HOG）

import numpy as np
from osgeo import gdal
from skimage.feature import hog
from PIL import Image

def check_tiff_format(image_pa