特征描述子提取BRIEF算法

1. BRIEF简介

   BRIEF是一种特征描述子提取算法，并非特征点的提取算法，这和SIFT，SURF等是有区别的。SIFT是由Lowe在2004提出，是一种128维的浮点描述子，其不仅仅提取代价高，而且匹配代价十分高（虽然有KDTree），还造成了大量空间浪费。

   正是基于上面特点，作者提出了BRIEF，一种生成二值化描述子的算法，不仅仅提取代价低，匹配也只需要使用简单的汉明距离(HammingDistance)利用比特之间的异或操作就可以完成。因此，时间代价低，空间代价低，效果还挺好是最大的优点。

2. 算法主体

2.1 图像滤波

   原始图像会存在大量噪声，会对结果产生影响，因此首先需要对图像进行高斯滤波，去除部分噪声。

2.2 选取点对

   这是论文的较为核心部分。首先需要利用其它特征点提取算法，如FAST等生成特征点。随后，在特征点的领域一范围内SxS内随机选取点对，作者提供5种方式，如下图：

1. x,y方向平均分布采样

2.x,y均服从Gauss(0,S^2/25)各向同性采样

3. x服从 Gauss(0,S^2/25)，y服从 Gauss(0,S^2/100)采样

4. x,y从网格中随机获取

5. x一直在(0,0)，y从网格中随机选取

2.3 生成描述子

当随机生成点对后，通过点对之间灰度值比较来确定该点对对应的数值是0还是1

假设x,y一个点对的两个点，if P(x) >P(y)，取1，否则是0

一个区域内点对的数量可以是128,256或者512,这需要和时间上进行平衡。

最终得到的描述子这些0，1组成的长串

具体来讲分为以下几步。                              

1.以关键点P为圆心，以d为半径做圆O。

2.在圆O内某一模式选取N个点对。这里为方便说明，N=4，实际应用中N可以取512.

假设当前选取的4个点对如上图所示分别标记为：

         

3.定义操作T

       

4.分别对已选取的点对进行T操作，将得到的结果进行组合。

假如：

         

则最终的描述子为：1011

2.4特征匹配

由于特征描述子是非常简单的0,1串，因此作者选择了韩明距离来进行匹配。

3. 优点和缺点

优点：简单，时间代价和空间代价低，匹配代价低

缺点：不具备宣传不变性，不具备尺度不变性，容易受噪声影响（由于点对每次只比较一个像素点，其实可以选择一块区域）

from：http://blog.sina.com.cn/s/blog_e742bd8a0102ww7t.html