基于PHOG算法的对象识别与特征提取系统

资 源 简 介

本项目在MATLAB环境下实现了空间金字塔方向梯度直方图（PHOG）算法的完整流程。PHOG算法通过结合HOG特征的描述能力与空间金字塔的层级表示，能够同时捕获图像的局部形状细节和全局空间布局信息。核心功能包括对输入图像进行预处理和颜色空间转换，利用Canny边缘检测算子提取关键轮廓，以及执行递归式的图像空间划分。在每一个空间层级上，系统会计算每个子网格内梯度方向的直方图统计，并根据设定的金字塔深度（Level）和方向区间（Bin）将所有统计数据拼接成一个高维特征向量。该实现方案针对人脸识别、人体检测及通

详 情 说 明

基于MATLAB的PHOG算法实现与对象识别特征提取系统

项目介绍

本项目提供了一套完整的空间金字塔方向梯度直方图（PHOG）特征提取方案。PHOG算法是一种强大的图像描述子，它在传统的HOG（Histogram of Oriented Gradients）特征基础上，引入了空间金字塔表示法。通过这种层级化的表达方式，该系统不仅能够捕捉图像中物体的局部几何形状特征，还能有效地建模物体的空间位置分布信息。系统针对复杂的对象识别任务进行了优化，适用于人脸、人体以及各类通用目标的特征表达与比对。

功能特性

1. 多层级空间划分：支持用户定义金字塔层数，通过递归迭代将图像划分为不同尺度的子区域，实现从全局到局部的特征覆盖。

1. 边缘引导的梯度提取：利用Canny算子精确提取图像轮廓，确保特征向量仅集中在具有实际物理意义的边缘点上，有效抑制了背景噪声。

1. 灵活的参数配置：允许自由设置梯度方向的通道数（Bins）以及角度覆盖范围（180度或360度），以适应不同的识别场景。

1. 自动归一化处理：系统对生成的高维特征向量执行L2范数归一化，增强了特征对光照变化和对比度差异的鲁棒性。

1. 交互式可视化展示：内置可视化模块，能够同步显示原始图像、边缘检测结果、最终特征分布趋势以及空间划分示意图。

实现逻辑与核心流程

系统的核心逻辑遵循标准的计算机视觉特征提取流水线，主要包含以下步骤：

1. 预处理与环境初始化：

系统首先清理运行环境并设置超参数，默认采用9个Bin、3层金字塔以及180度梯度范围。输入图像会被转换为双精度灰度格式，为后续的数学运算做准备。

1. 梯度与角度场计算：

通过数值梯度算子计算图像在水平和垂直方向的偏导数。利用反正切函数（atan2）计算每个像素的梯度幅角，并根据设定的角度范围（180或360）进行周期性平移，确保角度分布在正值区间。

1. 边缘显著性提取：

调用Canny算子生成二值边缘图。该步骤至关重要，因为系统随后会将角度矩阵与边缘掩码相乘，仅保留边缘位置的梯度方向，滤除平滑区域的无效信息。

1. 递归式空间周计划分：

系统从Level 0（原始图像）开始，逐层递增至设定的最大层数。在第l层，图像被均匀划分为2的l次方乘以2的l次方个子网格。 对于每一个子网格，系统精准计算其坐标边界，提取对应的局部梯度角度数据。

1. 直方图统计与向量拼接：

在每个子网格内部，系统根据梯度角度所属的区间进行累加计数，生成局部直方图。 随着金字塔层级的深入，所有网格产生的直方图按索引顺序进行线性拼接，最终形成一个包含全局和局部多尺度信息的长特征向量。

关键算法与细节说明

• 空间金字塔结构：

Level 0 产生 1 个直方图，Level 1 产生 4 个，Level 2 产生 16 个。这种指数级增长的结构确保了空间位置的精准表达。

• 直方图量化逻辑：

在统计函数中，系统计算Bin的步长（角度范围/Bin数），并采用向下取整的方式确定像素所属的索引位置。特别处理了角度上限边界，防止数组越位导致程序崩溃。

• 特征维度计算：

最终特征向量的总维度由公式 Bins * sum(4^l) 决定（l从0到L）。以9个Bin和3层金字塔为例，总维度为 9 * (1 + 4 + 16 + 64) = 765维。

• L2 归一化：

在输出前，系统检查特征向量的范数。若向量非零，则将其除以其自身的欧几里得长度，将数据映射到单位超球面上，方便后续分类器（如SVM或欧氏距离）进行度量。

系统要求

• 软件环境：MATLAB R2016b 或更高版本。
• 必备工具箱：Image Processing Toolbox（用于调用edge等图像处理函数）。
• 硬件要求：标准PC即可运行，针对大尺寸图像建议配备4GB以上内存以处理高层级金字塔产生的特征矩阵。

使用方法

1. 将主程序代码保存并置于MATLAB当前工作路径。
2. 确保路径中存在待处理的图像文件（默认代码使用MATLAB自带的coins.png）。
3. 在命令行窗口直接运行主函数名。
4. 程序将自动进行特征计算，成功后会在控制台打印特征向量的总维度，并弹出包含四部分分析说明的可视化窗口。