BRIEF特征提取(理解篇)

162 篇文章 111 订阅 ¥9.90 ¥99.00
本文介绍了BRIEF特征提取算法,一种在ECCV2010上提出的快速二进制编码描述子方法。算法通过随机点对比较灰度值生成256位的二进制串作为特征描述子,适用于小角度图像匹配。虽然旋转不变性较差,但在速度和匹配质量上有优势,尤其适用于实时应用。
摘要由CSDN通过智能技术生成
引言

该文是由EPFL的Calonder在ECCV2010上提出了一种可以快速计算且表达方式为二进制编码的描述子。主要思路就是在特征点附近随机选取若干点对,将这些点对的灰度值的大小,组合成一个二进制串,并将这个二进制串作为该特征点的特征描述子。

算法描述

首先,该文特征点提取算法与SIFT一致,也可以仿照SURF算法在此,主方向的计算在此省略(更为详见,参考资料[1]),因该描述子针对的是两幅小角度偏转(30°以内)图像的特征点匹配。

其次,描述子的建立过程:

  • 选定建立描述子的区域(特征点的一个正方形邻域ÿ
  • 5
    点赞
  • 24
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值