（六）BRIEF特征点描述算法

本文主要是介绍（六）BRIEF特征点描述算法，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

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特征点检测算法或Harris角点检测算法或SIFT、SURF等算法检测特征点的位置。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。在窗口内随机选取一对（两个）点，比较二者像素的大小，进行如下二进制赋值。

其中，p(x)，p(y)分别是随机点x=(u1,v1),y=(u2,v2)的像素值。

3、在窗口中随机选取N对随机点，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）

4、对于一幅图中的每一个特征点，都得到了一个256bit的二进制编码。接下来对有相似或重叠部分的两幅图像进行配准。

特征配对是利用的汉明距离进行判决：

1）两个特征编码对应bit位上相同元素的个数小于128的，一定不是配对的。

2）一幅图上特征点与另一幅图上特征编码对应bit位上相同元素的个数最多的特征点配成一对。

算法优缺点：

优点：计算速度快

缺点：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）、不具备旋转不变性、不具备尺度不变性

这篇关于（六）BRIEF特征点描述算法的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！