第2章 手工特征

许多用于图像分类的计算机视觉算法依赖于图像中局部特征的检测和提取。因此，许多计算机视觉文献都专注于发现、理解、表征和改进从图像中提取的特征^[1]。这些通过手工设计并提取的图像特征，称为手工特征（hand-crafted features）。手工特征的目的是解决诸如遮挡、尺度和照明变化等特定问题，其功能设计通常涉及在准确性和计算效率之间进行权衡。例如，SIFT^[2]（尺度不变特征变换，Scale-Invariant Feature Transform）因其对物体旋转和尺度变化的健壮性而闻名，但这种健壮性带来了高计算成本。

根据提取难度和性能划分，用于描述图像的手工特征可以分为初级图像特征和中级图像特征。下面具体介绍几类典型的初级图像特征和中级图像特征。