資訊專欄INFORMATION COLUMN
摘要：理論我們知道使用向量作為描述符，由于它使用浮點(diǎn)數(shù)，因此基本上需要個(gè)字節(jié)，類似地，也至少需要個(gè)字節(jié)對(duì)于，為數(shù)千個(gè)特征創(chuàng)建這樣的向量需要大量的內(nèi)存，這對(duì)于資源約束應(yīng)用程序尤其是嵌入式系統(tǒng)是不可行的，內(nèi)存越大，匹配所需的時(shí)間越長(zhǎng)實(shí)際匹配可能不
BRIEF (Binary Robust Independent Elementary Features)
理論我們知道SIFT使用128-dim向量作為描述符，由于它使用浮點(diǎn)數(shù)，因此基本上需要512個(gè)字節(jié)，類似地，SURF也至少需要256個(gè)字節(jié)（對(duì)于64-dim），為數(shù)千個(gè)特征創(chuàng)建這樣的向量需要大量的內(nèi)存，這對(duì)于資源約束應(yīng)用程序尤其是嵌入式系統(tǒng)是不可行的，內(nèi)存越大，匹配所需的時(shí)間越長(zhǎng).
實(shí)際匹配可能不需要所有這些尺寸，可以使用PCA，LDA等幾種方法對(duì)其進(jìn)行壓縮。甚至使用LSH（Locality Sensitive Hashing）等散列的其他方法也可以將浮點(diǎn)數(shù)中的這些SIFT描述符轉(zhuǎn)換為二進(jìn)制字符串.
BRIEF：一種對(duì)已檢測(cè)到的特征點(diǎn)進(jìn)行描述的算法，它是一種二進(jìn)制編碼的描述子，在圖像匹配時(shí)使用BRIEF能極大的提升匹配速度.
算法步驟：
· 為減少噪聲干擾，先對(duì)圖像進(jìn)行高斯濾波（方差為2，高斯窗口為9x9）
·以特征點(diǎn)為中心，取SxS的鄰域大窗口。在大窗口中隨機(jī)選取一對(duì)（兩個(gè)）5x5的子窗口，比較子窗口內(nèi)的像素和（可用積分圖像完成），進(jìn)行二進(jìn)制賦值.（一般S=31）
$$ au(p;x,y):=egin{cases}1,quad if p(x) < p(y) 0,quad otherwise end{cases} $$
其中，p(x)，p(y)分別隨機(jī)點(diǎn)x=(u1,v1),y=(u2,v2)所在5x5子窗口的像素和.
·在大窗口中隨機(jī)選取N對(duì)子窗口，重復(fù)步驟2的二進(jìn)制賦值，形成一個(gè)二進(jìn)制編碼，這個(gè)編碼就是對(duì)特征點(diǎn)的描述，即特征描述子.（一般N=256）
NOTE：FAST算法提取特征點(diǎn)+BRIEF計(jì)算描述子 就構(gòu)成了 ORB特征點(diǎn)提取部分.
BRIEF in OpenCVimport numpy as np
import cv2
from matplotlib import pyplot as plt
img = cv2.imread("img5.png",0)
# Initiate FAST detector
star = cv2.xfeatures2d.StarDetector_create()
# Initiate BRIEF extractor
brief = cv2.xfeatures2d.BriefDescriptorExtractor_create()
# find the keypoints with STAR
kp = star.detect(img,None)
# compute the descriptors with BRIEF
kp, des = brief.compute(img, kp)
print( brief.descriptorSize() )
print( des.shape )
輸出：
Backend TkAgg is interactive backend. Turning interactive mode on.
32
(61, 32)
NOTE:需要安裝opencv-contrib-python
文章版權(quán)歸作者所有，未經(jīng)允許請(qǐng)勿轉(zhuǎn)載,若此文章存在違規(guī)行為，您可以聯(lián)系管理員刪除。
轉(zhuǎn)載請(qǐng)注明本文地址：http://systransis.cn/yun/42081.html
摘要：理論是一種快速特征點(diǎn)提取和描述的算法這個(gè)算法是由以及在年一篇名為的文章中提出算法分為兩部分，分別是特征點(diǎn)提取和特征點(diǎn)描述。特征提取是由算法發(fā)展來的，特征點(diǎn)描述是根據(jù)特征描述算法改進(jìn)的 ORB (Oriented FAST and Rotated BRIEF) 理論 ORB（Oriented FAST and Rotated BRIEF）是一種快速特征點(diǎn)提取和描述的算法,這個(gè)算法是由E...
摘要：匹配器匹配非常簡(jiǎn)單，首先在第一幅圖像中選取一個(gè)關(guān)鍵點(diǎn)然后依次與第二幅圖像的每個(gè)關(guān)鍵點(diǎn)進(jìn)行描述符距離測(cè)試，最后返回距離最近的關(guān)鍵點(diǎn)對(duì)于匹配器，首先我們必須使用創(chuàng)建對(duì)象。 Feature Matching Brute-Force匹配器 Brute-Force匹配非常簡(jiǎn)單，首先在第一幅圖像中選取一個(gè)關(guān)鍵點(diǎn)然后依次與第二幅圖像的每個(gè)關(guān)鍵點(diǎn)進(jìn)行（描述符）距離測(cè)試，最后返回距離最近的關(guān)鍵點(diǎn). 對(duì)于...
摘要：學(xué)習(xí)筆記七數(shù)學(xué)形態(tài)學(xué)關(guān)注的是圖像中的形狀，它提供了一些方法用于檢測(cè)形狀和改變形狀。學(xué)習(xí)筆記十一尺度不變特征變換，簡(jiǎn)稱是圖像局部特征提取的現(xiàn)代方法基于區(qū)域圖像塊的分析。本文的目的是簡(jiǎn)明扼要地說明的編碼機(jī)制，并給出一些建議。 showImg(https://segmentfault.com/img/bVRJbz?w=900&h=385); 前言 開始之前，我們先來看這樣一個(gè)提問： pyth...
閱讀 2171·2023-04-25 20:45
閱讀 1085·2021-09-22 15:13
閱讀 3652·2021-09-04 16:48
閱讀 2588·2019-08-30 15:53
閱讀 939·2019-08-30 15:44
閱讀 956·2019-08-30 15:43
閱讀 1013·2019-08-29 16:33
閱讀 3442·2019-08-29 13:08
