这个领域本身太广阔了。所以我怀疑你可以在这里有一个完整的清单。然而，MPEG 7是该领域标准化的主要努力之一。所以这里包含的内容并不普遍——但至少是最基本的。

以下是 MPEG7 中确定的一些关键功能集（我真的只能谈论视觉描述符，其他人看不到它的全部范围）。

有 4 类视觉描述符：

1.颜色描述符，包括：
主色、
颜色布局（基本上是逐块的原色）
可缩放颜色（基本上是颜色直方图）、
颜色结构（基本上是局部颜色直方图）
和颜色空间，以使事物可互操作。

2.纹理描述符（另见此），包括：
纹理浏览描述符 - 定义粒度/粗糙度、规律性和方向。同质纹理描述符 - 基于 Gabor 滤波器组。和
边缘直方图

3.形状描述符，其中包括：
基于区域的描述符是考虑中形状的标量属性 - 例如面积、偏心等。
基于轮廓的捕获实际特征形状特征和
3D 描述符

4. Motion Descriptors for Video
Camera Motion (3-D camera motion parameters)
Motion Trajectory (of object in the scene in the scene) [例如通过跟踪算法提取] Parametric Motion（例如运动向量，它允许描述场景的运动。但它可以对各种对象进行更复杂的模型）。
Activity 更像是一个语义描述符。

MPEG 7 没有定义“这些是如何提取的”——它只定义了它们的含义以及如何表示/存储它们。因此，关于如何提取和使用它们的研究确实存在。

这是另一篇很好的论文，可以深入了解这个主题。

但是，是的，其中许多功能都是相当基本的，可能更多的研究将创建更复杂（和复杂）的功能集。

好的，我想我只需多搜索一下就找到了合适的列表。Deselaers 等人有一篇论文。哪些接缝是我要找的！

还有一本书捆绑了一组与该主题相关的论文。它被称为视觉信息检索原理。

@Dipan Mehta 介绍了可以使用的特征描述符。现在让我尝试通过提及一些提取对CBIR有益的特征的特征检测方法来涵盖硬币的另一面。

我的CBIR研究参考是Sivic、Zisserman和Nister、Stewenius的论文。这些作者有更多当前的论文，但这些论文提出了所有相关的想法。

他们认为，要实现有效的CBIR方法，应该使用互补属性的特征：

• 形状适应区域- 倾向于以角状特征为

  示例： Harris 角点、多尺度 Harris、DoG（高斯差 - 但也响应边缘！）

• 最大稳定区域- 倾向于以类似斑点的特征

  示例： MSER（最大稳定外部区域）、DoG

令人惊讶的是，维基百科还提供了一个很好的特征（检测器）类型分类，说明了他们检测到的大多数当前广泛使用的特征的兴趣区域类型：

• 边缘检测器
• 角落探测器
• 斑点检测器
• 脊探测器

我读过的大多数当前文章都发誓，SIFT（尺度不变特征变换）描述符非常可靠，并且足够稳健，可以与所选特征检测器结合使用。参考资料包括：

• 已经提供了链接
• Mikolajczyk, Schmid处理局部描述符的比较
• Dahl评估检测器-描述符组合

笔记！这些论文并未严格处理CBIR ，而是在CBIR相关工作中用作参考。

最后，值得一提的是，成功的CBIR方法不仅依赖于使用的特征检测器和描述符，还依赖于：

• 高效的搜索结构（视觉特征的量化）
• 构建图像描述符的方法——要么基于共同的视觉特征（局部描述符），要么通过比较全局图像描述符（这是一个非常新的想法，所以目前没有参考）
• 图像描述符之间的距离度量

另外，我已经回答了一些关于DSP和stackoverflow上的CBIR的问题，都附有参考资料和解释，我认为它们可能是相关的，所以你可能想看看：

• 数字信号处理器：1
• 堆栈溢出：1、2