yan647
图像特征及提取特征的常用算法
参考：http://blog.csdn.net/loadstar_kun/article/details/25600157
图像的特征主要包括低层特征和高级语义特征。其中，低层特征包括图像的颜色特征、纹理特征、形状特征和空间关系等一系列可以定量计算的特征。
颜色特征
颜色直方图 色空间：RGB,HSV 颜色矩：颜色一阶矩、二阶矩、三阶矩 多用于图像检索 颜色集 颜色聚合向量 颜色相关图 详细介绍参见 http://blog.csdn.net/u012507022/article/details/51614851
纹理特征
LBP方法 Voronio 棋盘格特征法和结构法 灰度共生矩阵（GLCM）的纹理特征分析方法 能量、惯量、熵和相关性 图像的自相关函数（即图像的能量谱函数） 随机场CRF模型法，如马尔可夫（Markov）随机场（MRF）模型法和 Gibbs 随机场模型法。 灰度共生矩阵、Tamura 纹理特征、自回归纹理模型、小波变换
形状特征
Hough 变换 傅里叶形状描述符(Fourier shape deors) 采用有关形状定量测度（如矩、面积、周长等）的形状参数法（shape factor） 形状不变矩 限元法（Finite Element Method 或 FEM）、旋转函数（Turning ）和小波描述符（Wavelet Deor） 基于小波和相对矩的形状特征提取与匹配
空间关系特征
局部特征
斑点 Blob检测，LoG检测 ， DoG，DoH检测，SIFT算法，SUFT算法 边缘检测 梯度边缘检测算子，拉普拉斯算子，LoG检测 ，Canny边缘检测算子，Roberts,Sobel,Prewitt, 角点检测 Kitchen-Rosenfeld，Harris角点，多尺度Harris角点，KLT,SUSAN检测算子，Shi-Tomasi 将基于主分量分析和Fisher线性鉴别分析所获得的特征抽取方法，统称为线性投影分析。
详细参考：http://blog.csdn.net/u010417185/article/details/52944379
