一.
在各個顏色通道上應用基於形狀的圖像描述子，例如SIFT描述子，常見的有HSVsift，Opponentsift和related Csift descriptors。SIFT算子是David G Lowe在2004提出的，即尺度不變特徵變換(Scale Invariant Feature Transform)。它是以尺度空間的構造爲基礎的局部特徵描述算子，對於圖像的縮放、旋轉和放射變換等具有不變性。SIFT算子在構建好的尺度空間的基礎上搜索尺度空間中的極值點(特徵點)，然後確定極值點的尺度信息以及位置，再確定極值點的方向(其鄰域梯度的主方向)，最終可以得到具有魯棒性的128維(4*4*8)的特徵描述子。
二.
將基於形狀的描述子（從灰度像素強度計算）與色調/顏色直方圖串聯起來。該方法中，顏色和形狀信息分開處理。Van de Weijer＆Schmid描述了用於圖像分類的Huesift描述子，該描述子基於顏色直方圖與灰度圖像SIFT描述子的串聯。彩色圖像描述子是根據它們對常見圖像變換的魯棒性進行評估的。 雖然描述子的相對排名根據數據集而變化，但是在沒有任何特定的任務先驗知識的情況下，Opponentsift被證明是最佳選擇。
三.
GIST描述子。一種場景特徵描述。通常的特徵描述符都是對圖片的局部特徵進行描述的，以這種思路進行場景描述是不可行的。比如：對於“大街上有一些行人”這個場景，我們必須通過局部特徵辨認圖像是否有大街、行人等對象，再斷定這是否是滿足該場景。但這個計算量無疑是巨大的，且特徵向量也可能大得無法在內存中存儲計算。
這迫使我們需要一種更加“宏觀”的特徵描述方式，從而忽略圖片的局部特點。比如：我們無需知道圖像中在那些位置有多少人，或者有其他什麼對象。那麼應該如何定義一種“宏觀”的場景特徵描述呢？
詳見http://www.cnblogs.com/justany/archive/2012/12/06/2804211.html