FREAK和ORB特征描述子

转载自大牛　http://blog.csdn.net/yang_xian521/article/details/7732835

与之同时放出的还有两个网站http://opencv.org/和http://answers.opencv.org，前者作为一个正式的全新的官方用户网站，简单浏览了一下，应该是一个对应之前维基百科上的那个网站，是一个介绍性的新闻网站，对开发者的意义可能不是太大；后面这个网站就厉害了，是一个类似google讨论组一样的交流区，大家可以在上面提问，留言，解答，我也刚刚注册了个用户，刚成立没几天已经有60多个问题了，应该还是很活跃的一个讨论区。

还是老样子，介绍一下新版本的更新以及改动：

现在支持IOS操作系统了！开发iphone的朋友们，你们也可以用OpenCV了，是不是内牛满面。

添加了一个新的特征点描述算法FREAK，这也是今年的CVPR的一个新算法，也是一个2值的特征，文章里说是根据人视网膜的原理，挺玄乎的，据说是效果比ORB和SURF都好，我要试试看。

对GPU的模块进一步优化，对个别算法的性能有较大提升。

还修正了2.4.1的50多个bug。

介绍就这么多，感觉亮点就是网站的建设和这个FREAK特征，其他的还得慢慢摸索啊

FREAK和ORB特征描述子效果对比

ORB就是BRIEF的改进，BRIEF太简单了，就不介绍了，有兴趣的朋友自己看paper吧。ORB的paper我读下来，感觉改进主要有以下几点：用FAST作为特征点提取的算法，更快了，添加了特征点的主方向，这样就具有了旋转不变性。最后一点其实我也想到了，当时看BRIEF的时候就想应该可以优化，就是ORB采用贪婪穷举的方法得到了相关性较低的随机点对，还有一个改进就是对于随机点对，受噪声的影响很大BRIEF的办法就是对原图像滤波，降低噪声的影响，ORB不在使用像素点的直接比较，而是选择该像素为中心的一个小patch作为比较对象，提高了抗噪能力。

FREAK我只是大致看了下，理解可能不到位，我的理解是这个算法是基于人眼视网膜细胞的分布，中间密集，四周稀疏，从而在图像中构建很多的区域，当然越靠近中心的区域采样更密集，四周区域采样稀疏，随机对比各区域的像素得到一组2值特征，这个算法也关注了尺度和方向的问题，都有对应的解决办法，还根据了人眼看事物时眼睛不停的转动，设计了一种级联的搜索器，总而言之，我感觉这个算法也是受ORB和BRISK这种2值特征的启发下的一种改进吧。

下面就利用OpenCV对其进行一下对比，值得说明的是，在2.4.2中，FREAK给出了pattern的训练代码。

对比实验效果如下：（上图为ORB，下图为FREAK）

经过筛选之后的特征点如下图：（上图为ORB，下图为FREAK）

当然，我这里只是个简单的测试，其实并不能完全反应实际的性能，因为我这里FREAK的特征点位置的检测用的是SURF，而ORB用的是FAST。但从我这里的比较效果来看，ORB要好很多。下面让我来对比一下算法的运行时间：

	ORB	FREAK detection	FREAK extraction
debug	0.317s	0.301s	0.167s
release	0.094s	0.162s	0.085s

虽然两种算法不能直接比较，因为FREAK没有提供特征点位置检测的算法，个人感觉如果FREAK采用FAST来做detection，确实速度应该要逼ORB要快一些。

最后分享给大家我的工程链接：http://download.csdn.net/detail/yang_xian521/4421537