二值特征描述子 Brief ORB BRISK FREAK ppt.pptx

1、Fast and compact Binary descriptors,BRIEF: Binary Robust Independent Elementary Features,在 S S 大小的图像块上定义二元测试：,使用方差为2,在 99区域内用高斯平滑,p(x) 为像素灰度，一组二元测试组成一个特征：,为特征维度，论文中取 = 128, 256, 512, , ,BRIEF: Binary Robust Independent Elementary Features,关于二元测试中x、y的选择,在图像块平均采样 x、y都符合（0, 1 25 2 ）的高斯分布 X符合（0, 1 25 2

2、）高斯，y符合（0, 1 100 2 ）高斯 随机采样 X固定为(0,0)，y在周围平均采样,BRIEF: Binary Robust Independent Elementary Features,使用Hamming distance判别描述子之间的相关度(XOR运算).,特征点的匹配转为上图的二值分类问题。,BRIEF: Binary Robust Independent Elementary Features,部分结果： 对大多数变化都比较敏感。,ORB:Oriented FAST and Rotated BRIEF,在BRIEF上加上旋转不变性 使用FAST-9作为detector I

3、mage Moment（图像矩）: intensity centroid（图像矩心） 在旋转不变形上使用 向量角度作为图像块的角度,ORB:Oriented FAST and Rotated BRIEF,Steered BRIEF 假设原始的BRIEF选取的点集为 Steered BRIEF则使用图像块的角度，将这些点旋转，得到新的点 在新的点集 S 中做二元测试，实现旋转不变,ORB:Oriented FAST and Rotated BRIEF,rBRIEF 原文提到原始的BRIEF有很好的性质：每个bit上的特征方差大、均值在0.5左右。 而Steered BRIEF失去了这个特性,OR

4、B:Oriented FAST and Rotated BRIEF,rBRIEF 通过训练集，找出一组二元点集，使得相关性最小 在 3131 的图像块中找出所有可能的二元测试. 每个二元测试是一对 55的窗口，则共有 (315) 2 2 个测试,在所有训练集（图像块）上运行所有测试 将测试按均值与0.5的距离由小到大排序 将第一个测试加入结果集 如果当前测试与结果集中的相关性大于某个阈值，则丢弃，否则加入结果集。,DBRIEF: Discriminative BRIEF,通过训练得出线性投影，将图像块投影到更具判别性的子空间。 定义二元描述子的某一维： 设D为字典，可令 ，s为0,1向量,DB

5、RIEF: Discriminative BRIEF,为了计算损失函数，去除sign函数和阈值，可用随机梯度下降解。 使用Linear Discriminant Embedding (LDE)初始化w，再使用w初始化s,DBRIEF: Discriminative BRIEF,原损失函数可化为右边的形式。 其中 损失函数极值为0时 有 可用LDE求解，解中向量满足正交约束,DBRIEF: Discriminative BRIEF,因计算速度快选择了3类字典 Box filters (BOX): 在3232 的图像块的每一个像素周围55 的窗口滤波，共1024个元素 Gaussian filters (GAUSS): 同上，使用=3的高斯滤波，共1024个元素 Rectangular filters (RECT):在每个像素点使用长宽为1,4,7,10,.的矩形滤波器 字典