BRIEF 特徵點描述算法

一、BRIEF特徵點描述算法簡介
  BRIEF是Binary Robust Independent Elementary Features的縮寫。這個特徵描述子是由EPFL的Calonder在ECCV2010上提出的。主要思路就是在特徵點附近隨機選取若干點對，將這些點對的灰度值的大小，組合成一個二進制串，並將這個二進制串作爲該特徵點的特徵描述子。這種方法擯棄了利用區域灰度直方圖描述特徵點的傳統方法，大大的加快了特徵描述符建立的速度，同時也極大的降低了特徵匹配的時間，所以它是一種非常快速的算法，可應用於滿足實時性的系統。
  需要注意的是BRIEF算法是特徵點描述子算法，它是用於對已檢測到的特徵點進行描述的，所以其不涉及特徵點的檢測，我們常使用其它方法來進行特徵點的檢測，例如：FAST、SIFT、SURF或Harris等特徵點檢測算法。

二、BRIEF算法的具體步驟
  （1）建立特徵點的一個正方形鄰域。
  （2）對該鄰域用σ=2的高斯核卷積，以消除一些噪聲。這是因爲該描述子隨機性強，對噪聲較爲敏感。
  （3）以一定的隨機化算法生成點對< x,y>，若點x的亮度小於點y的亮度，則返回值1，否則返回0。
  （4）重複第三步若干次（如256次），得到一個256位的二進制編碼，即該特徵點的描述子。

三、隨機點對的選取
  設我們在特徵點的鄰域塊大小爲S×S內選擇n_d個點對(p,q)，Calonder的實驗中測試了5種採樣方法：
  （1）在圖像塊內平均採樣；
  （2）p和q都符合(0 , 1/25 S²)(0 , 1/25 S²)的高斯分佈；
  （3）p符合(0,1/25 S²)(0,1/25 S²)的高斯分佈，而q符合(0,1/100 S²)(0,1/100 S²)的高斯分佈；
  （4）在空間量化極座標下的離散位置隨機採樣；
  （5）把p固定爲(0,0)，q在周圍平均採樣。
  下面是上面5種採樣方法的結果示意圖。

四、特徵點匹配
  對特徵點進行匹配，這時計算兩特徵點描述子的Hamming距離。判斷是否匹配的依據：經過大量實驗數據測試，不匹配特徵點的描述子的Hamming距離在128左右，匹配點對描述子的Hamming距離則遠小於128。
  注：Hamming距離：表示兩個（相同長度）字對應位不同的數量。具體來說，就是對兩個字符串進行異或運算，並統計結果爲1的個數，那麼這個數就是漢明距離。
  總的來說，特徵配對就是利用漢明距離來進行相關判斷：
  （1）兩個特徵編碼對應bit位上相同元素的個數小於128的，一定不是配對的。
  （2）一幅圖上特徵點與另一幅圖上特徵編碼對應bit位上相同元素的個數最多的特徵點配成一對。

五、OpenCV中的實例
1、代碼

#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("1.png");
    Mat img_2 = imread("2.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;
}

2、運行結果