常用的颜色特征提取方法主要包括累计直方图、颜色矩和颜色直方图等方法。

2.1.2  纹理特征

    纹理特征也是物体所固有的特征，只是它存在在物体表面，它是由物体表面的各种重要的组织结构信息组成的。在生活中，布料，塑料等都有他们自己的特有的纹理特征。在计算机视觉领域，纹理特征并不是仅仅基于单个像素点的特征，而是通过对包含很多像素点的一块区域来进行一个统计学的计算，所以说纹理特征是不依赖于颜色或亮度而存在的视觉特征，利用它就能够在从微观的角度上对图像中所包含不同的物体进行区分。在模式匹配中，基于区域性的特征的优势在于，局部的变化不足以影响到整个图像的匹配过程，所以使用纹理特征来进行，匹配成功率通常是比较高的。并且由于自身的统计学的性质，纹理特征也和颜色特征一样对旋转不敏感，其抵抗噪声的效果也是比较强的。综上所述，纹理特征同样也是基于内容的图像检索系统中常用的特征。

2.1.3  形状特征 

形状特征是一种更加能够符合人们正常的视觉感知的特性，并且它不会因标的颜色的变化、背景的转换、纹理的改变而受影响，正是这一系列的特点让其成为刻画物体特征的本质特征之一。在人类进行识别或者检索的过程中，人们常常会忽视对象的一些变化，所以渐渐的演进过程中，对于尺度转换、位移、旋转的不变形的要求成为一个重要的原则。但是较之于颜色以及纹理等其他低层性的特征，在表达形状特征的时候我们必须以图像分割为前提，以图像中出现的物体或者区域的划分为基础。从以上的阐述中，我们可以看出来，形状特征的描述和提取跟纹理以及颜色的特征的描述和提取相比来说，是相对比较困难的。

    对于形状特征的描述方法人们通常采取两种方式，一种是基于区域的，另一种是基于边界的[5]。基于区域的体征描述方法是只需要利用到形状的外部边缘即可，只需要形状的一个局部就好；另一种基于边界的特征描述方法则是利用到形状的全部区域，是整体都需要利用到。

要想对边界所具备的形状特征进行准确的提炼，则是建立在对于边缘检测研究的科学性上。一般的操作步骤是：在对形状的边缘进行提取的基础上，再来对边缘所具备的特征描述进行定义。常见的方法包括了边界分段序列、曲率、兴趣点、傅里叶形状描述子、周长、链码等方法。但是在所有的方法中，在人们运用的实践中，傅里叶形状描述子是被人们视作为最典型的方法。

就基于区域的表示方法来说，最被广泛利用的图像特征是在有限的区域内像素所呈现的分布信息，当然这一过程的完成是当在我们将用户感兴趣的物体进行图像分割之后提取出图像的前提下进行的。在这个方法的使用下，形状的区域受到形状的变化湖综合受到噪声的影响就会小了很多，因为它将形状的有限区域当作了不可分割的整体来研究，这样一来，能够将有限区域内所呈现的像素信息能够充分发挥其效用。对于形状的区域特征的描述方法，一般包括以下几种：区域骨架、离散度、偏心率形状、欧拉数、区域的面积、角半径变换、Zernike矩、通用傅里叶描述子、区域不变距等方法。但是在这众多的形状特征的描述方法中，人们最经常采用的方法是不变矩的表示方法。

2.1.4  空间关系特性

   前面所说的几种特征反映的都是图像的整体特征，图像中的对象或物体的并不能很明确的被表示出来。然而，对于我们来说图像中的空间关系同样是进行准确的图像检索的一个不容忽视的特征。