شکل ۴-۶ سه نمونه از استخراج ویژگی به روش مساحت ناهمپوشان
از معایب این روش می‌توان به این اشاره کرد که چون مدل‌های گوناگون امکان دارد کمترین مساحت ناحیه ناهمپوشان را داشته باشند، در حالی‌که نمای مشابه یافته شده برای نمای مورد بررسی توسط سیستم امکان دارد متعلق به آن مدل نباشد و نتایج بازیابی را تحت تاثیر قرار دهد.
شکل ۴-۷ ، ۶ نمونه از نماهای اشتباه تشخیص داده شده بین نماهای مرجع و نمای پایگاه‌داده را نشان می‌دهد. این نماها متعلق به یک مدل هواپیمای جنگنده نیستند اما به علت طرز قرار‌گیری زاویۀ آن‌ها و نبودن نمای متناظر آن‌ها از کلاس خود در نماهای مرجع، نسبت به بقیۀ نماهای مرجع دارای مساحت ناحیۀ ناهمپوشان کمینه شده و حاصل آن بدست آمدن نتیجه‌ای اشتباه در تشخیص کلاس تصویر پایگاه‌داده شده است.
نمای تصویر پایگاه‌داده
نمای مدل سه‌بعدی
نمای تصویر پایگاه داده
نمای مدل سه‌بعدی
شکل ۴-۷ چند نمونه از تشخیص اشتباه کلاس نماها در روش مساحت ناحیه ناهمپوشان
از آنجا که احتمال دارد تصور شود حتما باید نماها دقیقا هم زاویه باشند تا کلاس نمای مورد بررسی درست تشخیص داده شود، نمونه‌هایی از نماها که خلاف این مطلب را نشان می‌دهد در شکل ۴-۸ قرار داده شده است. در این شکل در سمت چپ نماهای تصویر پایگاه‌داده و در سمت راست مشابه‌ترین نمای مرجع تشخیص داده شده با این روش نشان داده شده است که با یکدیگر هم‌مدل می‌باشند. با وجود اندکی زاویه‌ی متفاوت تشخیص کلاس پایگاه‌داده درست انجام شده است.
نمای مدل سه‌بعدی – نمای تصویر پایگاه‌داده
نمای مدل سه‌بعدی – نمای تصویر پایگاه‌داده
شکل ۴-۸ نمونه ای از نماهای غیر هم زاویه با تشخیص درست در روش مساحت ناحیه ناهمپوشان
استخراج ویژگی با روش هیستوگرام زاویه گرادیان[۱۸]
از روش‌های دیگر استخراج ویژگی که حساس به دوران می‌باشد روش هیستوگرام زاویه گرادیان می‌باشد. در این روش شبکه‌هایی در تصویر به نام سلول ایجاد می‌شود که شامل مجموعه‌ای از پیکسل‌ها می‌باشد. تعدادی معین از این سلول‌ها یک بلوک ایجاد می‌کنند که این بلوک‌ها واحدهایی برای نرمالیزه کردن تصویر می‌باشند. با بهره گرفتن از این روش، ویژگی‌هایی محلی از تصویر استخراج می‌شود. برای استخراج این ویژگی‌ها، تصویر هر سایه‌نما در نظر گرفته شده، و گام های زیر بر روی آن اعمال می‌شود.
با بهره گرفتن از روابط زیر ابتدا اندازه و جهت گرادیان تصویر را محاسبه می‌کنیم:
