前面兩講中主要是針對SIFT和SURF做了一些介紹。他們的檢測子比較穩定，描述子比較魯棒，好像非常棒的樣子。但是有一點非常遺憾，就是他們在對圖像進行處理的過程中，都把圖像轉化爲灰度圖像進行處理，這樣就丟失了顏色信息。而顏色，本身提供了很大的信息量，丟失了特別可惜。很多人可能就會想，如何在描述子中加入顏色信息。在這一講中，我們就重點介紹一下改進的SIFT/SURF的Color Descriptor。
這裏的Descriptor，其實我們可以把它當做大家傳統上理解的特徵。而特徵，應該具有兩個比較重要的特點。第一就是它應該是最有區分度、最有代表性的，應該儘可能減少冗餘的信息。如果對於大多數物體來說，這個變量的值非常相近，沒有什麼區分性，自然不適合做特徵。而另一個方面，它應該儘可能的穩定和魯棒。對於同樣的物體來說，當它因爲噪聲的變化或者圖像的旋轉、尺度變換等影響時，這個變量的值應該是儘可能不變的（invariant）。 我們要評價一個描述子是否魯棒，重點就看圖像被加入噪聲後，形成的描述子是否依然穩定（也就是特徵的各維是否不發生變化）。這裏所謂的噪聲，無外乎以下幾種：
這裏幾乎把所有可能發生的線性變化都列出來了。可以考慮到，現有的灰度的SIFT/SURF特徵對於1-3的變化具有不變性。這主要得益於1）他們都採用梯度的直方圖（Haar小波也是計算了梯度），這樣可以消除intensity shift。2）RGB的線性變化不影響梯度的方向。3）最終都對描述子向量做了歸一化，解決了灰度的尺度變化。這樣的話，我們需要考慮的就是如何解決4-5的顏色上的變化了。在此之前，我們先看看目前不用在SIFT/SURF上有哪些顏色特徵，然後考慮把這些顏色特徵放到描述子中。
1、RGB histogram，最常見的顏色直方圖，你懂的，但是不具有任何不變性，想到這裏以後還是換個特徵用吧。
2、Opponent histogram
O1和O2表徵了顏色信息，對lightintensity shift是不變的，不過O3這個直接與灰度相關的變量就不是了。
3、Hue histogram
這個大家也熟悉，它對灰度的尺度變化和增量變化具有不變性。所以說HSV顏色空間對於RGB顏色空間，在這一點上有着優勢。
4、rg histogram
相當於對rgb分量做了一個歸一化，歸一化之後r/g分量就可以描述圖像的顏色信息。其中b分量是多餘的，因爲r+g+b=1。Rg直方圖對light intensity change是不變的，對於存在陰影的場景中可以嘗試用。
5、transformed colorhistogram
考慮到rgb直方圖對於灰度和顏色的線性變化不具有任何不變性，但是如果我們考慮對RGB三個通道分別做歸一化，歸一化的方法如：
這樣，通過減去均值可以抵消各通道的valueshift，通過除以方差可以抵消各通道的value scale change。（均值和方差以待統計的塊爲單位進行計算。）這樣歸一化之後的直方圖對於light color change and shift是具有不變性的。
列舉了顏色直方圖的幾種統計方法之後，我們可以把他們用在SIFT/SURF描述子之中。因爲傳統的SIFT/SURF描述子是對單通道進行統計的，當使用上述特徵進行統計時，就是對多個通道分別計算描述子，最後形成一個多維的特徵作爲顏色描述子。重點想提一下的就是：
C-SIFT：利用Opponentinformation中的 O1/O3和O2/O3作爲顏色特徵，這麼做的目的是爲了消除O1和O2中的灰度信息，但是，這樣做卻不能對intensity shift有不變性。
Transformedcolor SIFT：這個特徵將不僅對灰度的change和shift具有不變性，同時還對各顏色的shift和change都具有不變性;
RGB-SIFT：很有意思的就是由於Transformedcolor SIFT對各通道的線性變化都具有不變性，而Transformed就是RGB特徵經過線性變換而來，因此RGB-SIFT和Transformed color SIFT具有同樣的不變性（效果是一樣的）。
最後，對上面介紹的所有特徵的不變性做一個總結，見下表，其中“+”表示對這一變化具有不變性，“-”則表示不具有這種不變性。
轉自原文地址：http://blog.csdn.net/jiang1st2010/article/details/7647766