计算机视觉 Low Level Image Feature Representation
Traditional Feature:
Row Pixels and Histograms
Row Pixels: 将一张图片转换为行像素序列，在卷积神经网络（CNN）中尤为显著的应用是在图像处理和计算机视觉领域
Drawbacks：
1，对尺寸，旋转，视角敏感
2，suffer from occlusion
Histograms:
1,Color Histograms
通过将图片中的每个像素点映射到一个颜色空间（例如RGB值）来表示其属性特征后，在图像处理中常用的方法是使用色度直方图来描述各像素点的颜色分布情况。
将图片切割成小块，然后计算颜色直方图，最后得到总体直方图。
2,Edge Histograms
3,LBP(Local Binary Pattern) Histograms
LBP纹理特征向量，一般以图像的分块LBP直方图表示，具体计算步骤如下：
1).将图像划分为N*N的图像子块，计算每个子块中每个像素的LBP值．
2).对每个子块进行直方图统计，得N*N图像子块的直方图．
3).利用N*N个子块的直方图，描述该图像的纹理特征．
SIFT(Scale-Invariant Feature Transform)尺度不变特征变换
局部特征优点：
1，对遮挡具有鲁棒性，
2，与尺度，视角,光线改变无关。
1，Compute image gradient at each location
2, Histogram of the gradient orientation(8 bins)
3, Concatenate histograms over 4*4 spatial grid
Feature Dimensions:
8 * 4 * 4 = 128
SIFT employs:
1,A variant of Histagram of Gradient Orientation as descriptor
2,DoG as Local region detector
Difference of Gaussions
详见：http://www.cnblogs.com/cfantaisie/archive/2011/06/14/2080917.html
More Quick
SURF( Speeded Up Robust Features)