图像特征提取三大算法

方向梯度直方图（Histogram of Oriented Gradient, HOG）特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。它通过计算和统计图像局部区域的梯度方向直方图来构成特征。Hog特征结合 SVM分类器已经被广泛应用于图像识别中，尤其在行人检测中获得了极大的成功。需要提醒的是，HOG+SVM进行行人检测的方法是法国研究人员Dalal 在2005的CVPR上提出的，而如今虽然有很多行人检测算法不断提出，但基本都是以HOG+SVM的思路为主。

　　1 HOG(histogram of Oriented Gradient,方向梯度直方图）

　　2 SIFT(Scale-invariant features transform,尺度不变特征变换）

　　3 SURF(Speeded Up Robust Features,加速稳健特征，对sift的改进）

　　4 DOG(Difference of Gaussian，高斯函数差分)

　　5 LBP(Local Binary Pattern,局部二值模式）

　　6 HAAR(haar-like ,haar类特征，注意haar是个人名，haar这个人提出了一个用作滤波器的小波，为这个滤波器命名为haar滤波器，后来有人把这个滤波器用到了图像上，就是图像的haar特征）