局部特征系列：
局部特征(1)——入门篇
局部特征(2)——Harris角点-
局部特征(3)——SURF特征总结 -
局部特征(4)——SIFT和SURF的比较 -
局部特征(5)——如何利用彩色信息 Color Descriptors -
局部特征(6)——局部特征描述汇总
--------------------------------------------------------------
前面两讲中主要是针对SIFT和SURF做了一些介绍。他们的检测子比较稳定，描述子比较鲁棒，好像非常棒的样子。但是有一点非常遗憾，就是他们在对图像进行处理的过程中，都把图像转化为灰度图像进行处理，这样就丢失了颜色信息。而颜色，本身提供了很大的信息量，丢失了特别可惜。很多人可能就会想，如何在描述子中加入颜色信息。在这一讲中，我们就重点介绍一下改进的SIFT/SURF的Color Descriptor。
这里的Descriptor，其实我们可以把它当做大家传统上理解的特征。而特征，应该具有两个比较重要的特点。第一就是它应该是最有区分度、最有代表性的，应该尽可能减少冗余的信息。如果对于大多数物体来说，这个变量的值非常相近，没有什么区分性，自然不适合做特征。而另一个方面，它应该尽可能的稳定和鲁棒。对于同样的物体来说，当它因为噪声的变化或者图像的旋转、尺度变换等影响时，这个变量的值应该是尽可能不变的（invariant）。 我们要评价一个描述子是否鲁棒，重点就看图像被加入噪声后，形成的描述子是否依然稳定（也就是特征的各维是否不发生变化）。这里所谓的噪声，无外乎以下几种：
这里几乎把所有可能发生的线性变化都列出来了。可以考虑到，现有的灰度的SIFT/SURF特征对于1-3的变化具有不变性。这主要得益于1）他们都采用梯度的直方图（Haar小波也是计算了梯度），这样可以消除intensity shift。2）RGB的线性变化不影响梯度的方向。3）最终都对描述子向量做了归一化，解决了灰度的尺度变化。这样的话，我们需要考虑的就是如何解决4-5的颜色上的变化了。在此之前，我们先看看目前不用在SIFT/SURF上有哪些颜色特征，然后考虑把这些颜色特征放到描述子中。
1、RGB histogram，最常见的颜色直方图，你懂的，但是不具有任何不变性，想到这里以后还是换个特征用吧。
2、Opponent histogram
O1和O2表征了颜色信息，对lightintensity shift是不变的，不过O3这个直接与灰度相关的变量就不是了。
3、Hue histogram
这个大家也熟悉，它对灰度的尺度变化和增量变化具有不变性。所以说HSV颜色空间对于RGB颜色空间，在这一点上有着优势。
4、rg histogram
相当于对rgb分量做了一个归一化，归一化之后r/g分量就可以描述图像的颜色信息。其中b分量是多余的，因为r+g+b=1。Rg直方图对light intensity change是不变的，对于存在阴影的场景中可以尝试用。
5、transformed colorhistogram
考虑到rgb直方图对于灰度和颜色的线性变化不具有任何不变性，但是如果我们考虑对RGB三个通道分别做归一化，归一化的方法如：
这样，通过减去均值可以抵消各通道的valueshift，通过除以方差可以抵消各通道的value scale change。（均值和方差以待统计的块为单位进行计算。）这样归一化之后的直方图对于light color change and shift是具有不变性的。
列举了颜色直方图的几种统计方法之后，我们可以把他们用在SIFT/SURF描述子之中。因为传统的SIFT/SURF描述子是对单通道进行统计的，当使用上述特征进行统计时，就是对多个通道分别计算描述子，最后形成一个多维的特征作为颜色描述子。重点想提一下的就是：
C-SIFT：利用Opponentinformation中的 O1/O3和O2/O3作为颜色特征，这么做的目的是为了消除O1和O2中的灰度信息，但是，这样做却不能对intensity shift有不变性。
Transformedcolor SIFT：这个特征将不仅对灰度的change和shift具有不变性，同时还对各颜色的shift和change都具有不变性;
RGB-SIFT：很有意思的就是由于Transformedcolor SIFT对各通道的线性变化都具有不变性，而Transformed就是RGB特征经过线性变换而来，因此RGB-SIFT和Transformed color SIFT具有同样的不变性（效果是一样的）。
最后，对上面介绍的所有特征的不变性做一个总结，见下表，其中“+”表示对这一变化具有不变性，“-”则表示不具有这种不变性。
-------------------------------
jiang1st2010
原文地址：http://blog.csdn.net/jiang1st2010/article/details/7647766