BRIEF：Binary Robust Independent Elementary Features
????????BRIEF是对已检测到的特征点进行描述，它是一种二进制编码的描述子，摈弃了利用区域灰度直方图描述特征点的传统方法，大大的加快了特征描述符建立的速度，同时也极大的降低了特征匹配的时间，是一种非常快速，很有潜力的算法。BRIEF的特征点位置可利用FAST、Harris检出，或者SIFT、SURF等算法检测特征点的位置，之后使用BRIEF建立特征描述符。
算法步骤：
????????step1、为减少噪声干扰，先对图像进行高斯滤波（方差为2，高斯窗口为9x9）。
????????step2、以特征点为中心，取SxS的邻域窗口。在窗口内随机选取一对（两个）点，比较二者像素的大小，进行如下二进制赋值。
?????????其中，p(x)，p(y)分别是随机点x=(u1,v1),y=(u2,v2)的像素值。
????????step3、在窗口中随机选取N对随机点，重复步骤2的二进制赋值，形成一个二进制编码，这个编码就是对特征点的描述，即特征描述子。（一般N=256）
????????一对随机点的选择方法，原作者测试了以下5种方法，其中方法（2）比较好。
????????这5种方法生成的256对随机点如下（一条线段的两个端点是一对）：
?利用BRIEF特征进行配准：
????????经过上面的特征提取算法，对于一幅图中的每一个特征点，都得到了一个256bit的二进制编码。接下来对有相似或重叠部分的两幅图像进行配准。
特征配对是利用的汉明距离进行判决：
????????step1、两个特征编码对应bit位上相同元素的个数小于128的，一定不是配对的。
????????step2、一幅图上特征点与另一幅图上特征编码对应bit位上相同元素的个数最多的特征点配成一对。
优缺点：
优点：1、计算速度快
缺点：
? ? ? ? ?1、对噪声敏感（因为二进制编码是通过比较具体像素值来判定的）
? ? ? ? ?2、不具备旋转不变性
? ? ? ? ?3、不具备尺度不变性
opencv图像处理文档集合