目前图像特征的提取主要有两种方法：传统图像特征提取方法和深度学习方法。

传统的特征提取方法：基于人类专家的先验知识设计图像的某些固有特征。 深度学习方法：基于样本自动训练出区分图像的特征分类器。

1、传统图像特征提取
传统的图像特征提取一般分为三个步骤：预处理、特征提取、特征处理

预处理：预处理的目的主要是排除干扰因素，突出特征信息；主要的方法有： 图片裁剪，调整图片尺寸，图片归一化，灰度化等。

特征提取：利用人类专家设计的因子对图像进行特征提取，主要有：Harris、SIFT、SURF、LBF、HOG、DPM。

特征处理：主要目的是为了排除信息量小的特征，减少计算量等：常见的特征处理方法是降维，常见的降维方法有：主成分分析(PCA)；奇异值分解(SVD)；线性判别分析(LDA)。

2、深度学习图像特征提取
深度学习特征提取基于数据本身的分类特性。一般分为以下几个步骤：构建数据集（如Imagenet），搭建深度学习模型，在该数据集上训练，去掉分类的全连接层就得到只有卷积的特征提取器。