A揩悄、特征提取最終的一個特性是可重復性丈积，即同一場景的不同圖片所提取得到的特征應該是一樣的。
B惠拭、特征分類：
直接特征：視覺直觀可感的特征（如角點扩劝，邊緣，顏色等）
間接特征：其可分為變換系數(shù)特征<Fourier,小波變換等>求橄、
? ? ? ? ? ? ? ? ?統(tǒng)計直方圖特征<顏色/方向直方圖>今野、代數(shù)特征（<線性投影 ? ? ? ? ? ? ? ? ?特征抽取（PCA/Fiseher）>罐农、<非線性特征抽取：核方法 ? ? ? ? ? ? ? ? ? ? ? （核映射后樣本的位數(shù)=訓練樣本數(shù)）>）催什。
C涵亏、視覺認知模型：Serre模型，Mutch模型，KarKlin模型
D气筋、圖像特征提炔鹉凇：（因為不太適合進行編輯，所以偷懶一下把手記圖片貼上啦~~~）如下圖1：
E宠默、提取方法：如圖2
F麸恍、圖像特征表示方式：如圖3
G、圖像特征的評價指標：
圖像特征檢測器評價指標：可重復性搀矫，計算復雜度抹沪，不變性
圖像特征描述子評價指標：查全率，查準率瓤球，顯著性<采用描述子矩陣的特征值進行評價>
*若要使描述子減少光照變化的影響融欧，可通過向量歸一化，即單位長度來實現(xiàn)卦羡。原因在于圖像對比度變化相當于該每個像素值乘以一個常量的同時也給梯度乘以一個同樣的常量噪馏，因此圖像對比度變化可通過向量歸一化來消除。圖像亮度的變化相當于給每個像素增加一個常量绿饵，而這種變化對梯度值的計算沒有影響欠肾。
*高斯函數(shù)是唯一可能的尺度空間核，故在SIFT提取算法中的DoG金字塔中采用的是不同尺度的高斯核函數(shù)拟赊。
*Tips:L0范數(shù)：向量中非0的元素個數(shù)
? ? ? ?L1范數(shù)：向量中各元素絕對值之和刺桃，也稱為“稀疏規(guī)則算子”
