- Gil Levi and Tal Hassner,The Open University of Israel,CVPR15,Gil’s blog有一系列讲binary特征的文章,记录了BRIEF、ORB、FREAK、BRISK。
- this feature won the CVPR 2015,OpenCV State of the Art Vision Challenge,in the Image Registration category. LATCH is now integrated into OpenCV 3.0,项目链接
- 阅读时间:2015-07-12~13
简介
该算法是二值化特征描述方法的一个优化变种,一般的二值化特征描述主要通过计算特征点窗口内n个点对的比较值形成一个bit串,作为该特征点的特征描述子,这样的bit串特征描述子在图像匹配计算时可以通过同或计算汉明码,大大提高计算速度,但是点对的比较会有一个明显的缺点,就是受噪声影响较大,虽然后续的一些算法通过高斯模糊进行滤波,但是滤波后图像信息会有一定减少,建立在此基础上,作者提出了一种通过计算窗口内像素块的比较值形成bit串,同时作者也提出了如何定位像素块的方法。
该特征的特点:
- 此为特征的binary描述子,其特征模式需要学习(可能受限于训练场景,与fast有相似的问题);
- 特征描述时能接受特征检测子的方向信息而进行相应旋转,故描述子具旋转不变性;
- 耗时介于binary特征和非binary特征之间,判别性也介于binary特征和非binary特征之间;
像素块比较
假设特征点窗口内有3个块 P1 , P2 , P3 ,每个块包含 m×m 个像素,每个块可以用一个