特征检测_BRIEF特征点描述符

---

1. BRIEF简介

BRIEF是对已检测到的特征点进行描述，是使用二进制字符串作为一种高效的特征点描述子。BRIEF可以使用汉明距离来评估描述子的相似性，这种计算非常高效，而不需要像通常那样使用 L2 范数。因此，BRIEF 在构建和匹配上都非常快速。

2. BRIEF算法步骤

1. 由于仅考虑单个像素的信息，会对图像上的噪声非常敏感。为了降低这种敏感性，可以先对图像进行高斯滤波（论文中:方差为2，高斯窗口为9x9）。
2. 以特征点为中心，取SxS的邻域窗口。在窗口内随机选取一对（两个）点，比较二者像素的大小，进行二进制赋值。
   
   其中 p(x) 是在 x = (u, v) 处平滑后的像素强度；p(y)同理。
3. 在窗口中随机选取N对随机点，重复步骤2的二进制赋值，形成一个二进制编码，这个编码就是对特征点的描述，即特征描述子。（一般N=256，256位，一个字节8位；论文中还试了128，512）
   
   

3. 利用BRIEF特征进行配准

经过特征提取算法后获得的特征点，对于每一个特征点都可以得到一个256位的二进制编码，再对有相似或重叠部分的两幅图像进行配准。
通过汉明距离进行判断：

1. 两个特征编码对应位上相同元素的个数小于N（N = 128）的，一定不是配对的。
2. 一幅图上特征点与另一幅图上特征编码对应位上相同元素的个数最多的特征点配成一对。

4. BRIEF特征优缺点

优点/缺点：

1. 计算速度快
2. 对噪声敏感（因为二进制编码是通过比较具体像素值来判定的）
3. 不具备旋转不变性
4. 不具备尺度不变性

参考资料：

1. http://vision.stanford.edu/teaching/cs231b_spring1415/papers/BRIEF.pdf
2. https://blog.youkuaiyun.com/hujingshuang/article/details/46910259