像素聚类改进二进制描述子鲁棒性

目标：本文通过挖掘图像局部区域特征信息，提出了一种鲁棒性更高的二进制描述子。针对BRIEF关于旋转和视角变化鲁棒性差的问题，本文通过图像补丁分层处理、增加关键点图像补丁个数来捕获更多的局部特征信息，对BRIEF描述子改进。方法：首先，根据灰度序列对补丁内所有像素点分类，像素的一个聚类形成了一个亚补丁，然后在每个亚图像补丁上进行类似BRIEF的随机测试。其次，由于原图像补丁大小、尺度大小影响补丁的像素点成分，从而影响像素聚类的效果，所以在原图像关键点周围分割出多个不同大小的图像补丁，或是将原图像补丁根据尺度金字塔确定几个尺度大小不同的补丁，然后再对图像补丁进行分层、测试。所构建的描述子不仅包含了补丁像素的灰度比较信息，而且包含了灰度排序信息和像素群聚信息,提高了描述子的鲁棒性。结果：通过性能对比实验，发现所提的描述子的性能提高了，而且好于对比的浮点描述子。结论：所以挖掘图像补丁的特征信息能提高二进制描述子的鲁棒性。

Robust descriptor structured by pixel clustering