???????? 參考文章：Freak特征提取算法? 圓形區域分割

一、Brisk特征的計算過程（參考對比）：

1.建立尺度空間：產生8層Octive層。

2.特征點檢測：對這8張圖進行FAST9-16角點檢測，得到具有角點信息的8張圖，對原圖像img進行一次FAST5-8角點檢測（當做d(-1)層，虛擬層），總共會得到9幅有角點信息的圖像。

3.非極大值抑制：

4.亞像素插值：進過上面步驟，得到了圖像特征點的位置和尺度，在極值點所在層及其上下層所對應的位置，對FAST得分值（共3個）進行二維二次函數插值（x、y方向），得到真正意義上的得分極值點及其精確的坐標位置（作為特征點位置）；再對尺度方向進行一維插值，得到極值點所對應的尺度（作為特征點尺度）。

5.特征點描述：使用如下圖的磚塊模式

5.1 通過計算局部梯度來計算主方向

5.2 根據主方向進行旋轉，得到，512Bit的二進制編碼，也就是64個字節（BRISK64）的Brisk特征。

二、FRESK特征的計算過程

步驟5之處，采樣模式發生了變化，如下圖：

????? ? 從圖中可以看出，該結構是由很多大小不同并有重疊的圓構成，最中心的點是特征點，其它圓心是采樣點，采樣點離特征點的距離越遠，采樣點圓的半徑越大，也表示該圓內的高斯函數半徑越大。

特點：

??????? 由于FREAK描述符自身的圓形對稱采樣結構使其具有旋轉不變性，采樣的位置好半徑隨著尺度的變化使其具有尺度不變性，對每個采樣點進行高斯模糊，也具有一定的抗噪性能，像素點的強度對比生成二進制描述子使其具有光照不變性。因此由上述產生的二進制描述子可以用來進行特征匹配。在匹配之前，再補充一下特征點的方向信息。

三、OpenCV使用Freak描述子

?????

參考一個Freak與ORB的對比評測：http://blog.csdn.net/yang_xian521/article/details/7732835

關于主方向的確定和匹配模式，請參考原文：特征檢測Freak檢測算法。

參考資料：FREAK原始論文《FREAK: Fast Retina Keypoint》

總結

以上是生活随笔為你收集整理的图像局部显著性—点特征（FREAK）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。