BRIEF特征 学习笔记

BRIEF特征描述子

1.     简介

       BRIEF描述子由Michael Calonder等人发表于ECCV10。详见这篇文章：

BRIEF: Binary Robust Independent Elementary Features。

       BRIEF采用二进制编码的方法对特征点周围区域提取描述子，它的描述子更简单，存储空间也比SIFT、SURF更小，采用Hamming Distance进行比较，匹配速度更快。

2.     方法 

       在特征点周围S*S的区域(patch)中，随机选取nd对像素点，像素点对的选取是随机的，如图1所示，一条线段表示一对像素点，线段的终点即像素点的位置。

       然后分别比较每对像素点的灰度大小，赋值为1或0。

       BRIEF描述子的每一位，由两个像素点的比值(1或0)得到。如以下公式所示：

       因此，BRIEF的每个描述子其实就是1或0的编码，像素对的个数nd等于二进制值的位数。然后用Hamming距离进行描述子的比较与匹配。

3.     注意事项

      在提取特征前要对patch进行高斯平滑，可以减少噪声的干扰。原文中选择高斯核方差为2，核窗口为9*9。在OpenCV的源码实现中，应该是直接使用了9*9窗口内像素值的和，代替原来单个像素值，再进行比较，这样的结果会更加鲁棒。

4.     存储空间

       一个SURF描述子是64维，即64个float类型的数据，那么存储空间是64*32 bit，需要64*32/8 = 256 bytes的存储空间。而对于BRIEF来说，如果一个patch中选取128对像素点，那么只需要128bit，即 128/8 = 16 bytes的存储空间。因此存储空间缩小了10倍以上。

5.     匹配方法

        BREIF描述子是二进制的编码，因此可以用hamming距离进行比较。而SURF特征、SIFT特征一般用L2-norm进行比较。 因此BREIF的匹配速度也更快。

原文给出的评测结果：

欢迎交流！