BRIEF特征描述子

最新推荐文章于 2022-07-20 21:06:39 发布
最新推荐文章于 2022-07-20 21:06:39 发布
阅读量1.3k 收藏 2
点赞数
分类专栏： algorithm
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/zhaojun1204/article/details/52996059
版权
BRIEF（Binary Robust Independent Elementary Features）是一种高效的二值特征描述子，不涉及特征点提取。它通过比较图像patch内点对的亮度生成二进制串，OpenCV默认参数为256，匹配时使用汉明距离。尽管在小角度旋转下表现优秀，但旋转超过30°时匹配率下降。BRIEF在速度上显著优于SURF，适合实时应用。
摘要由CSDN通过智能技术生成

一、定义

BRIEF全称（Binary Robust Indenpendent Elementary Features）
它提供了一种计算二值串的捷径，而并不需要去计算一个类似于SIFT的特征描述子。它需要先平滑图像，然后在特征点周围选择一个Patch，在这个Patch内通过一种选定的方法来挑选出来 nd

最低0.47元/天 解锁文章
happzhao
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
傅里叶描述子 matlab,matlab练习程序（BRIEF描述子）
weixin_34571341的博客
03-19 1098
BRIEF特征全称：Binary Robust Independent Elementary Features。是一种能够快速计算图像特征描述符的方法，同样能够降低特征匹配的时间。算法计算步骤如下：1.首先对一张图像计算其特征点，这里就用matlab自带的harris角点检测了，harris代码细节可以参考这一篇博客。2.对图像进行高斯滤波，这里选用9*9矩阵，主要是为了去除随机噪点。3.以特征点...
图像特征描述子之BRIEF
Zachary_Co的博客
12-21 5335
原文站点：https://senitco.github.io/2017/07/05/image-feature-brief/  BRIEF(Binary Robust Independent Elementary Features)是一种对已检测到的特征点进行表示和描述的特征描述方法，和传统的利用图像局部邻域的灰度直方图或梯度直方图提取特征的方式不同，BRIEF是一种二进制编码的特征描述子，既降低了
BRIEF 特征描述子
weixin_33962923的博客
11-07 277
Binary Robust Independent Elementary Features www.cnblogs.com/ronny 1. BRIEF的基本原理 我们已经知道SIFT特征采用了128维的特征描述子，由于描述子用的浮点数，所以它将会占用512 bytes的空间。类似地，对于SURF特征，常见的是64维的描述子，它也将占用256bytes的空间。如果一幅图像中有1000个特征点...
特征描述子算法——BRIEF
Williamcsj的博客
11-12 8108
特征描述子算法——BRIEF一、算法简介二、算法原理1、以特征点为中心，取大小为 S x S 的区域p，区域的四条边分别都与坐标轴垂直或平行。2、采用方差为σ，卷积核大小为 N x N 的高斯滤波器对区域p每一点进行高斯平滑处理。3、计算4、计算维的位字符串（即特征点的描述子）三、算法优点四、算法缺点五、小贴士六、参考文章 一、算法简介 BRIEF是2010年ECCV会议上提出的一种以二进制字符串作为特征点的描述子。 二、算法原理 1、以特征点为中心，取大小为 S x S 的区域p，区域的四条边分别都与坐标
BRIEF描述子 python源码实现及基于opencv实现
07-15
**BRIEF（Binary Robust ...综上所述，BRIEF描述子是一种高效且实用的图像特征表示方法，尤其适用于资源有限的环境。通过Python和OpenCV库，我们可以轻松地在实际项目中实现和应用BRIEF，进行图像分析和处理任务。
Brief描述子
weixin_30649641的博客
04-22 339
一、Brief算法 1、基本原理 BRIEF是2010年的一篇名为《BRIEF:Binary Robust Independent Elementary Features》的文章中提出，Brief为特征描述子，对已检测到的特征点进行描述，是一种二进制编码描述子，摒弃了区域灰度直方图描述特征点的传统方法，加快特征描述子建立速度，降低特征匹配时间。因为需要事先得到特征点的位置，可以利用Fast特征...
BRIEF特征描述子 匹配
desian
06-18 1410
BRIEF特征描述子 匹配 根据BRIEF算法就可以建立描述子。选择候选特征点周围SxS大小的像素块、随机选择n对像素点。其中P(x)是图像模糊处理之后的像素值，原因在于高斯模糊可以抑制噪声影响、提供特征点稳定性，在实际代码实现中通常用均值滤波替代高斯滤波以便利用积分图方式加速计算获得更好的性能表现。常见滤波时候使用3x3~9x9之间的卷积核。滤波之后，根据上述描述子的生成条件，得到描述子。 作者...
brief 描述子
sllin2012的专栏
11-19 1856
下面简单介绍一下 一种快速的图像特征的描述子--brief brief 描述子的优点是快速，其原理非常简单故很快： Its performance is similar to SIFT in many respects,including robustness to lighting, blur, and perspective dis-tortion. However, it is ve
BRIEF描述子算法学习
_
12-06 4625
BRIEF（Binary Robust Independent Elementary Features） 一种对已检测到的特征点进行描述的算法，它是一种二进制编码的描述子，在图像匹配时使用BRIEF能极大的提升匹配速度。 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的邻域大窗口。在大窗口中随机选取
【特征检测】BRIEF特征点描述算法
热门推荐
hujingshuang
07-16 3万+
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描述子原理、 python源码实现及基于opencv实现
xiaohuolong的博客
07-20 2764
BRIEF描述子原理、 python源码实现及基于opencv实现，BRIEF特征点描述
BRIEF特征描述子提取算法
weixin_42888638的博客
01-08 1013
文章目录介绍算法步骤step1step2step3随机选取的方法 介绍 BRIEF是对已检测到的特征点进行描述【注意：BRIEF是对特征点进行描述的，不是提取特征点】，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。 算法步骤 step1 对图像做平滑处理。平滑处理，也就是高斯滤波，降低图像噪声。 step2 特征点为中心，取SxS的邻域窗口。在窗口内随机选取一对（两个）点，比较二者
BRIEF特征点描述子
daxi0315的博客
11-15 837
简介 BRIEF是2010年的一篇名为《BRIEF:Binary Robust Independent Elementary Features》的文章中提出，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...
opencv python BRIEF描述子
weixin_34068198的博客
07-27 353
BRIEF (Binary Robust Independent Elementary Features) 理论 我们知道SIFT使用128-dim向量作为描述符，由于它使用浮点数，因此基本上需要512个字节，类似地，SURF也至少需要256个字节（对于64-dim），为数千个特征创建这样的向量需要大量的内存，这对于资源约束应用程序尤其...
目标特征检测之BRIEF描述符
szfhy的博客
03-09 6730
BRIEF：Binary Robust Independent Elementary Rreatures 占位
orb特征描述子计算原理
最新发布
12-06
orb特征描述子计算原理是基于FAST角点检测器和Brief描述子的结合而产生的一种特征描述算法。在计算orb特征描述子时，首先使用FAST角点检测器在图像中检测出关键点位置，然后计算每个关键点位置的斜率和方向。接着，利用斜率和方向信息在周围邻域内构建出具有旋转不变性的描述子，并通过计算Hamming距离来进行特征匹配。 具体来说，FAST角点检测器会在图像中寻找出局部极值点，即强度明显变化的像素点，这些点被视为关键点。然后根据这些关键点的位置和强度信息，使用一种简单而高效的方法来计算关键点的斜率和方向。 在得到了关键点位置、斜率和方向信息后，接下来就是计算描述子了。这里使用的是Brief描述子，它会在关键点周围的邻域内选取一些特征点，并通过对这些特征点进行二值化处理，得到一个具有旋转不变性的描述子。最后，利用Hamming距离来度量两个特征描述子之间的相似性，从而进行特征匹配。 总的来说，orb特征描述子计算原理是通过FAST角点检测器找到关键点位置，然后计算关键点的斜率和方向，最后利用Brief描述子在关键点周围邻域内构建出描述子，并通过Hamming距离来进行特征匹配，从而实现对图像特征的提取和匹配。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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