FAST+BRIEF原理简介

今天介绍两个以快出名的特征检测与描述算法：FAST和BRIEF。

FAST

FAST是一种二维图像的特征检测算法，它可以迅速的搜罗出一张灰度图片中潜在的特征点，而且速度飞快！

它的实现步骤如下：

1.以目标像素点p为中心，取半径r上M个领域像素点。

2.分别计算取得的像素点与目标像素点p的灰度值之差的绝对值:

这里Ed是灰度差阈值

3.如果步骤2计算得的N大于某阈值，则认为该像素点为潜在特征点。

一般这个阈值取3M/4

下图是一个r=3、M=16时的实例：

这个算法可以通过变更像素点对比较顺序来加速：先比较处于目标像素点上、下、左、右四个正方向的像素点，如果其中少于3组的比较结果是大于绝对值Ed，则直接认为该点不是潜在特征点。

BRIEF

BRIEF是一种特征描述算子，原生的BRIEF的缺点也比较明显，不具备旋转不变性、不具备尺度不变性而且对噪声敏感，但是它算法简单而且计算复杂度低，计算速度很快！针对BRIEF的这些缺点，有研究出一些BRIEF的衍生算子如ORB、BRISK等...

这里我们只介绍原生BRIEF算子，它的实现步骤大致如下：

1.取目标像素点一定范围内的领域，一般9*9。

2.对该领域进行高斯模糊处理，一般选核参数σ=2

3.以满足高斯分布的方式在该领域内随机选取N组像素点对，比较这两个像素点的灰度值大小，x>=y则返回1，x

(所有特征点的计算均采用统一的随机取样模板)

4.将步骤3的结果组合成一个N位的二进制编码，即为目标像素点的特征值。

根据精度和速度要求，一般N会取256和32.

（TLD的级联检测分类器二级用的方法和BRIEF类似，作者在论文里称之为随机森林（蕨）采样...）