SKB特征提取(理解篇)

该文中特征描述子是与BRIEF特征提取类似，也是提出一种二进制编码的描述子。

其算法产生过程如下所示：

• 选择以特征点邻域（12x12正方形）作为描述区域。
• 选定描述区域中固定的16个点。
• 对每个点分别用16中不同的滤波器进行作用（有的用于角点检测，有的用于边缘检测），共得到16x16=256个响应（每个响应的具体内容为：若滤波器作用结果的值大于某阈值，则响应为1，否则为0），即256位的二进制编码。

匹配描述子时用Hamming距离计算距离。这篇文章还对特征点提取中高斯核卷积的那部分作了近似处理，将二维高斯核分解为几个矩形区域的叠加，故计算时可用积分图像，卷积速度更快。

更加详细请见源文：　Frederik Zilly, Christian Riechert, Peter Eisert, Peter Kauf,"Semantic Kernels Binarized - A Feature Descriptor for Fast and Robust Matching"，CVMP11.

关于Image Engineering& Computer Vision更多讨论与交流，敬请关注本博客和新浪微博songzi_tea.