特征描述子提取BRIEF算法
1.
BRIEF简介
BRIEF是一种特征描述子提取算法，并非特征点的提取算法，这和SIFT，SURF等是有区别的。SIFT是由Lowe在2004提出，是一种128维的浮点描述子，其不仅仅提取代价高，而且匹配代价十分高（虽然有KDTree），还造成了大量空间浪费。
正是基于上面特点，作者提出了BRIEF，一种生成二值化描述子的算法，不仅仅提取代价低，匹配也只需要使用简单的汉明距离(HammingDistance)利用比特之间的异或操作就可以完成。因此，时间代价低，空间代价低，效果还挺好是最大的优点。
2.
算法主体
2.1
图像滤波
原始图像会存在大量噪声，会对结果产生影响，因此首先需要对图像进行高斯滤波，去除部分噪声。
2.2
选取点对
这是论文的较为核心部分。首先需要利用其它特征点提取算法，如FAST等生成特征点。随后，在特征点的领域一范围内SxS内随机选取点对，作者提供5种方式，如下图：
1. x,y方向平均分布采样
2.x,y均服从Gauss(0,S^2/25)各向同性采样
3. x服从Gauss(0,S^2/25)，y服从Gauss(0,S^2/100)采样
4. x,y从网格中随机获取
5. x一直在(0,0)，y从网格中随机选取
2.3 生成描述子
当随机生成点对后，通过点对之间灰度值比较来确定该点对对应的数值是0还是1
假设x,y一个点对的两个点，if P(x) >P(y)，取1，否则是0
一个区域内点对的数量可以是128,256或者512,这需要和时间上进行平衡。
最终得到的描述子这些0，1组成的长串
具体来讲分为以下几步。
1.以关键点P为圆心，以d为半径做圆O。
2.在圆O内某一模式选取N个点对。这里为方便说明，N=4，实际应用中N可以取512.
假设当前选取的4个点对如上图所示分别标记为：
3.定义操作T
4.分别对已选取的点对进行T操作，将得到的结果进行组合。
假如：
则最终的描述子为：1011
2.4特征匹配
由于特征描述子是非常简单的0,1串，因此作者选择了韩明距离来进行匹配。
3. 优点和缺点
优点：简单，时间代价和空间代价低，匹配代价低
缺点：不具备宣传不变性，不具备尺度不变性，容易受噪声影响（由于点对每次只比较一个像素点，其实可以选择一块区域）
from：http://blog.sina.com.cn/s/blog_e742bd8a0102ww7t.html