BRIEF特征描述子

转自：http://www.mamicode.com/info-detail-922469.html

简介

        BRIEF在2010年《BRIEF:Binary Robust Independent Elementary Features》中提出，BRIEF是对已检测到的特征点进行描述，它是一种二进制编码的描述子，摈弃了利用区域灰度直方图描述特征点的传统方法，大大的加快了特征描述符建立的速度，同时也极大的降低了特征匹配的时间，是一种非常快速，很有潜力的算法。

BRIEF算法

       由于BRIEF仅仅是特征描述子，所以事先要得到特征点的位置，可以利用FAST特征点检测算法、Harris角点检测算法、SIFT、SURF等算法检测出特征点的位置。接下来，在特征点邻域利用BRIEF算法建立特征描述符。

算法步骤如下：

1、为减少噪声干扰，先对图像进行高斯滤波（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。在窗口中随机选取一对点，比较这两个点的像素值，赋值为1或0，如下：

3、在窗口中随机选取N对点，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，如下：

随机点对选择方法

原作者测试了以下5种方法，其中，方法（2）比较好。

   

   

这5种方法生成的256对随机点如下图所示，其中，一条线段的两个端点表示一对随机点

特征点匹配

BRIEF特征描述子是二进制编码，因此，可以利用海明距离来度量两个特征点是否匹配。

分析与总结

该算法能够很快地建立特征描述符，并且减少了特征匹配的时间，但是也存在一些缺点：

1、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）

2、不具备旋转不变性

3、不具备尺度不变性

代码：

#include <opencv2/core/core.hpp> 
#include <opencv2/highgui/highgui.hpp> 
#include <opencv2/imgproc/imgproc.hpp> 
#include <opencv2/features2d/features2d.hpp>

using namespace cv;

int main(int argc, char** argv) 
{ 
    Mat img_1 = imread("img1.png"); 
    Mat img_2 = imread("img2.png");

    // -- Step 1: Detect the keypoints using STAR Detector 
    std::vector<KeyPoint> keypoints_1,keypoints_2; 
    StarDetector detector; 
    detector.detect(img_1, keypoints_1); 
    detector.detect(img_2, keypoints_2);

    // -- Stpe 2: Calculate descriptors (feature vectors) 
    BriefDescriptorExtractor brief; 
    Mat descriptors_1, descriptors_2; 
    brief.compute(img_1, keypoints_1, descriptors_1); 
    brief.compute(img_2, keypoints_2, descriptors_2);

    //-- Step 3: Matching descriptor vectors with a brute force matcher 
    BFMatcher matcher(NORM_HAMMING); 
    std::vector<DMatch> mathces; 
    matcher.match(descriptors_1, descriptors_2, mathces); 
    // -- dwaw matches 
    Mat img_mathes; 
    drawMatches(img_1, keypoints_1, img_2, keypoints_2, mathces, img_mathes); 
    // -- show 
    imshow("Mathces", img_mathes);

    waitKey(0); 
    return 0; 
}