视觉是人类观察和认识世界非常重要的手段。据统计，人类从外部世界获取的信息约80%从视觉获取，这既说明视觉信息量巨大，又体现了视觉功能的重要性­。同时，人类视觉是如此的功能强大，在很短的时间里，迅速地辨识视线里的物体，在人的视觉系统中，人的眼睛捕捉物体得到光信息。这些光信息经过处理，运送到大脑的视觉皮层，分析得到以下信息：有关物体的空间、色彩、形状和纹理等。有了这些信息，大脑作出对该物体的辨识。

对于人类而言，通过视觉来识别数字、识别图片中的物体或者找出图片中人脸的轮廓是非常简单的任务。然而对于计算机而言，让计算机识别图片中的内容就不是一件容易的事情。

图像识别的一般过程，前端是特征提取，后端是模式识别算法。后端的模式识别算法包括：K近邻算法（K-Nearest Neighbors）、支持向量机（SVM），神经网络等。对于不同的识别场景和越来越复杂的识别目标，寻找合适的前端特征显得尤为重要。

对于特征提取，抽象于人的视觉原理，提取有关轮廓、色彩、纹理、空间等相关的特征。以色彩为例，它是一种现在仍然在广泛使用的特征，称之为颜色直方图特征，这是一种简单、直观，对实际图片颜色进行数字化表达的方式。颜色的值用RGB三原色进行表示，颜色直方图的横轴表示颜色的RGB值，表示该物品所有颜色的集合，纵轴表示整个图像具有某个颜色值像素的数量，这样，计算机就可以对图像进行颜色表征。

名称：图1
描述：1

以纹理特征为例，桔子会有凸凹不平的纹理，而苹果的纹理则非常光滑。这种局部的纹理刻画，如何通过特征抽象表示出来？Gabor 特征可以用来描述图像纹理信息的特征，Gabor 滤波器的频率和方向与人类的视觉系统类似，特别适合于纹理表示与判别。SIFT（Scale Invariant Feature Transform）特征全称尺度不变特征变换，是一种检测局部特征的算法，该算法通过把图中特征点用特征向量进行描述，该特征向量具有对图像缩放、平移、旋转不变的特性，对于光照、仿射和投影变换也有一定的不变性。

名称：图1
描述：2

形状特征也是图像特征的重要一类，HOG（Histogram of Oriented Gradients）特征就是其中一种。HOG特征是一种描述图像局部梯度方向和梯度强度分布的特征。其核心内容是：在边缘具体位置未知的情况下，边缘方向的分布也可以很好地表示目标的外形轮廓。

上述特征提取算法提取的特征还是有局限的，尽管在颜色为黑白的数据集MNIST上的最好结果错误率为0.54%，但是在大型和复杂的数据ImageNet ILSVRC比赛的最好结果的错误率也在26%以上，而且难以突破。同时，提取的特征只在特定的场合有效，场景变化后，需要重新提取特征和调整模型参数。