什麼BRIEF演算法?BRIEF演算法詳解

　　BRIEF是一種特徵描述子提取演算法，並非特徵點的提取演算法，一種生成二值化描述子的演算法，不提取代價低，匹配只需要使用簡單的漢明距離(Hamming Distance)利用位元之間的異或操作就可以完成。因此，時間代價低，空間代價低，效果還挺好是最大的優點。

　　演算法的步驟介紹如下：

　　1. 影像濾波：原始影像中存在噪聲時，會對結果產生影響，所以需要對影像進行濾波，去除部分噪聲。

　　2. 選取點對：以特徵點為中心，取S*S的鄰域視窗，在視窗內隨機選取N組點對，一般N=128,256,512，預設是256，關於如何選取隨機點對，提供了五種形式，結果如下圖所示：

　　·x,y方向平均分佈取樣

　　·x,y均服從Gauss(0,S^2/25)各向同性取樣

　　·x服從Gauss(0,S^2/25)，y服從Gauss(0,S^2/100)取樣

　　·x,y從網格中隨機獲取

　　·x一直在(0,0)，y從網格中隨機選取

　　圖中一條線段的兩個端點就是一組點對，其中第二種方法的結果比較好。

　　3. 構建描述符：假設x,y是某個點對的兩個端點，p(x),p(y)是兩點對應的畫素值，則有：

　　對每一個點對都進行上述的二進位制賦值，形成BRIEF的關鍵點的描述特徵向量，該向量一般為 128-512 位的字串，其中僅包含 1 和 0，如下圖所示：