灰度图像的特征提取方法答案

【问题标题】：Feature extraction methods for grayscale image灰度图像的特征提取方法
【发布时间】：2015-06-20 00:36:23
【问题描述】：

我正在研究红外图像，这是一个人移动手臂的灰度图像。所以有人告诉我哪种特征提取可以很好地捕捉运动信息？类似于 Local binary Pattern (LBP) 捕获纹理信息 (Histogram of Oriented Gradient) HOG 计算梯度方向的出现次数。还有其他方法对灰度图像有用吗？

【问题讨论】：

标签： image image-processing grayscale feature-extraction lbph-algorithm

【解决方案1】：

是的，两者都很有用。但是有几个描述符和特征检测器具有更高的信息提取能力。首先，Hessian 特征检测器检测图像上的斑点是相当强大的工具。其次，您还可以为 SURF 或 FREAK 找到的那些功能构建描述符。它将为您提供更强大的跟踪。

【讨论】：

谢谢.. 但是关于 LBP，我读到我可以提取纹理信息，那么从灰度图像中提取纹理信息可以吗？我认为人的灰度图像会有相似的纹理..我不确定也许我错了
关于纹理信息——是的，你可以用灰度图像来做。但是纹理信息，尤其是 LBP 并不是更好的描述符。由于仅使用像素值来构建描述，因此纯 LBP 由于噪声而非常不稳定。 FREAK 建议使用邻域像素附近的平均值作为值，附近大小取决于到中心像素的距离。
是否可以使用 HOG 获取方向信息？正如我从 Wikipedia 中看到的那样，HOG 计算了局部部分中梯度方向的出现次数，这意味着我们也可以获得方向信息？
你只有一张图片或系列吗？您需要什么信息（方向、速度、距离）？我们可以使用 HOG 以及 SURF、SIFT、FREAK 获得特征的梯度方向信息，但它不是关于对象移动的信息。
我有一系列关于一个人移动手臂的图像。我想知道我可以使用 HOG 获取方向信息吗？距离和速度也可以使用 HOG？