【特征检测】BRIEF特征点描述算法

来源：互联网发布：阿里云主机多少钱编辑：程序博客网时间：2024/05/16 18:07

http://blog.csdn.net/hujingshuang/article/details/46910259

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。

BRIEF具体算法

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）

以上便是BRIEF特征描述算法的步骤。

关于一对随机点的选择方法，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（一条线段的两个端点是一对）：

利用BRIEF特征进行配准

经过上面的特征提取算法，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。

实验

opencv代码

[cpp] view plain copy
#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;   
}  

实验结果

代码分析

在头文件features2d.hpp中定义了BRIEF算法的函数及参数：

[cpp] view plain copy
class CV_EXPORTS BriefDescriptorExtractor : public DescriptorExtractor  
{  
public:  
    static const int PATCH_SIZE = 48;   //S为48即窗口为48x48  
    static const int KERNEL_SIZE = 9;   //高斯滤波器窗口为9x9  
  
    // bytes is a length of descriptor in bytes. It can be equal 16, 32 or 64 bytes.  
    BriefDescriptorExtractor( int bytes = 32 );//保存特征的空间为32字节，即32x8=256bit  
    ...  
    ...  
    ...  
}  