1.局部算子分類： 來自網絡“天若有情”
1）基於分佈的算子：使用直方圖表現不同的外觀或形狀特
2）空間頻率技術：傅立葉變換和蓋伯變換
3）微分算子：
2.局部特徵建立依賴的空間
1）歸一化的Laplacian尺度空間
2) Difference of Gaussian
3. 局部區域檢測算法
1）Harris points 旋轉不變量 特徵點周圍41×41像素區域 大小固定
2）Harris-Laplace regions 旋轉和尺度不變量 檢測角點結構特徵
3）Hessian-Laplace regions 旋轉和尺度不變量 特徵點是由Hessian 決定的空間極大值和Laplacian-of-Gaussian.尺度空間極大值，與DoG檢測近似，但是在尺度空間能獲得更高的準確度，並且在尺度選擇上的準確度也高於Harris-Laplace 。檢測的準確性影響算子的執行力。
4）Harris-Affine regions 仿射不變量 由Harris-Laplace 檢測子檢測位置和尺度，附近的仿射由基於二次動差矩陣的affine adaptation 程序決定
5）Hessian-Affine regions 仿射不變量 由Hessian-Laplace 檢測子檢測位置和尺度，附近的仿射由affine adaptation 程序決定
4. 局部區域描述子
1） SIFT描述子 是一個3D梯度位置方向直方圖，位置被量化到4×4局部柵格，梯度角度分爲8個方向，算子爲4×4×8＝128維
2）Gradient location-orientation histogram (GLOH)，GLOH是SIFT描述子的一種延伸，爲了增強其魯棒性和獨立性。以對數極座標在半徑方向建立三個帶（6，11，15）和8個角度方向，形成17個位置帶，中心帶在半徑方向不分塊。梯度方向量化爲16個帶，形成272維矢量，利用PCA降維
3）Shape context 與SIFT描述子相似，但是基於邊緣 Shape context是一個邊緣點位置和方向的3D直方圖，以對數極座標在半徑方向建立三個帶（6，11，15）和4個角度方向，生成36維描述子
4）Geometric histogram 在一個區域內描述邊緣分佈直方圖
4）PCA-SIFT 描述子 以特徵點周圍39×39像素塊形成3024維矢量，用PCA降維36維
5）Spin image 是一個量化像素位置和強度的直方圖 ，在5個圓環中計算10個強度帶，生成50維算子
6）Steerable filters and differential invariants 使用與高斯卷積後的導數
7）Complex filters
8) Moment invariants
9) Cross correlation
6.匹配方法：
基於閾值的匹配
基於最近鄰匹配：如果DB是DA的最近鄰區域，且之間的距離小於閾值則區域A與區域B是匹配的
基於次最近距離與最近距離之比：
7. 描述子維數影響
低維算子：steerable filters ,complex filters, differential invariants
基於微分的算子，導數的階數影響着算子的維數，對於steerable filters 三階導數和四階導數都能保持算子的獨立性，並且導數的階數對算子匹配的準確度影響顯而易見，但是對complex filters 和differential invariants影響較小。並且steerable filters 計算到四階導數時效果比differential invariants 效果好。
高維算子：GLOH，PCA-SIFT，cross correlation 算子 維數過高與過低效果都不理想。對於GLOH算子，128維匹配效果高於40維和272維，對於PCA-SIFT36維效果好於20維和100維，對於cross correlation則81維匹配效果好於36維和400維。
8.對不同圖像變換的適應性
1）仿射變換。 利用Hessian Affine 和Harris Affine 檢測特徵點，然後對不同的局部算子測試。效果最好的是SIFT算子。並且利用Hessian Affine 比Harris Affine的效果好，因爲基於拉普拉斯的尺度選擇與Hessian 算子相結合可以獲得更準確的結果。
2）尺度變換 大多算子表現良好
3）旋轉變換 有三種誤差影響算子的計算：區域誤差，位置誤差，方向估計誤差
4）圖像模糊 所有的算子性能都有所降低，但是GLOH和PCA-SIFT算子性能最好，基於邊緣檢測的算子性能下降最爲明顯
5）圖像壓縮 影響小於圖像模糊，但是比尺度變換和旋轉變換大
6）光照變化 對低維算子影響高於高維算子
總結：1）GLOH性能最好，其次是SIFT
2）低維算子中性能最好的是gradient moments和steerable filters
3）cross correlation 最不穩定
4） Hessian-Laplace 和Hessian-Affine 主要檢測圓斑狀結構。
5）由於更高的準確性，Hessian 區域比Harris區域性能更好一些
