考虑颜色信息的特征描述符----学习笔记

1. sift，surf在对图像进行处理的过程中，都把图像转换为了灰度图像进行处理，会丢失颜色信息。
2. 特征的特点：
   1. 最有区分度，最有代表性的应该尽可能减少冗余的信息。
   2. 尽可能的稳定和鲁棒：对于同样的物体，当加入噪声或对图像进行旋转、尺度变换后，这个变量的值应该是尽可能不变的。
      1. 评价一个描述子是否鲁棒：看图像被加入噪声后，形成的描述子是否依然稳定（即特征的各维是否不发生变化）。
      2. 常使用的噪声：
         1. 灰度上尺度的变化：乘上一个矩阵（矩阵元素数值相同）
         2. 灰度产生增量（即混入白光）：加上一个矩阵（矩阵元素数值相同）
         3. 同时发生尺度和增量变化（矩阵元素数值相同）
         4. 各颜色分量发生不同尺度的变化：（矩阵元素数值不同）
         5. 各分量发生完全不同的变化：（矩阵元素数值不同）
      3. SIFT和SURF对噪声1-3具有不变性，原因：
         1. 采用梯度的直方图
         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。
3. 颜色特征：
   1. RGB histogram：不具有不变性
   2. Hue histogram：对灰度的尺度变化和增量变化具有不变性，即HSV颜色空间对于RGB颜色空间具有一定优势。
   3. transformed colorhistogram：对rgb三个通道分别做归一化：通过减去均值抵消各通道的valueshift，通过除以方差抵消各通道的value scale change。（均值和方差以待统计的块为单位进行计算。）归一化后的直方图对于颜色变化和shift具有不变性。
4. 将上方提到的颜色特征考虑到sift/surf：传统的SIFT/SURF描述子是对单通道进行统计的，当需要对颜色特征进行统计时，需要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。