BRINT: Binary Rotation Invariant and Noise Tolerant Texture Classification 特征描述子构建

本文是我读完论文“BRINT: Binary Rotation Invariant and Noise Tolerant Texture Classification”，进行个人理解与总结，致敬作者，不涉及官方理解，也并没有与论文作者进行沟通。如有侵权，联系删除~~~

一、BRINT开发背景

简要来说，BRINT(Binary Rotation Invariant and Noise Tolerant Texture Classification)，一个以二进制模式实现旋转不变性与噪声弱敏感，可以达到特征纹理进行分类，从而提高图像特征匹配性能的新型特征描述模式，是基于LBP特征描述模式开发的一种新型简单策略描述模式。LBP模式已经出现了很多变体，但仍然存在一些局限性，例如对噪声的敏感性较高，无法捕获长焦域纹理信息等，而这也是BRINT诞生的出发点。

本文不在详细赘述LBP模式的实现及其优缺点，而着重总结BRINT特征描述模式的构建过程。
论文链接：BRINT: Binary Rotation Invariant and Noise Tolerant Texture Classification
LBP特征描述模式：LBP原理介绍以及算法实现

二、BRINT特征描述模式

1.开发意义

（