常用的图像局部特征

图像局部特征（不包含特征点描述子），似乎就只有这么多了。
机器视觉特征提取三大法宝HOG、LBP、Haar

图像局部特征一般用于描述图像的部分特征，常见的应用是利用这些特征进行图像分类的工作，通过检测大量样本图像中对应的局部特征，利用统计的原理，找出一些图像中出现概率较高的特征；后续检测时，根据提取到的特征，结合训练得到的“概率模型“对图像进行分类。进一步的，如果对图像进行滑动窗口检测，可以实现一幅图中的特定目标的检测；其原理类似于将图像进行不同大小的裁剪，对裁剪后的图像进行分类，由此完成一幅图像中的特定目标的检测（框取）。
后续的分类器可选用SVM、贝叶斯、AdaBoost算法等等之类的分类模型；K近邻、决策树、KNN、BP神经网络等其他的机器学习分类方法，目前还没有看到在此类任务中的应用，可能是特征提取到的数据类型不太适用于后面这些数据的处理。比较常用的是SVM支持向量机分类决策模型，SVM分类器是一项应用广泛的分类算法和模型。

常用的/接触过的：

HOG:

LBP:

Haar/Haar-like: