[发明专利]基于图像信息熵与自适应阈值DAISY特征点的图像检测方法

权利要求书

1.基于图像信息熵与自适应阈值DAISY特征点的图像检测方法，其特征在于，包括如下步骤：

步骤S1)，对于输入图像，通过统计分析和多项式拟合确定图像信息熵与SIFT特征点密度之间的约束关系；

步骤S2)，基于步骤S1)中的约束关系，计算其与SIFT特征检测器阈值的自适应关系，建立基于图像信息熵的自适应阈值SIFT特征检测器，解决SIFT特征点分布不均的问题；

步骤S3)，利用高斯卷积来进行梯度方向直方图分块汇聚，提取出图像DAISY特征点，并根据相似度对DAISY特征点进行筛选；

步骤S4)，根据步骤S3)中提取得到的图像DAISY特征点，使用该DAISY特征点替换自适应阈值SIFT特征检测器中的SIFT特征点后，采用被替换过后的适应阈值SIFT特征检测器进行图像检测；

步骤S1)中，对图像信息熵与SIFT特征检测器对比度阈值进行统计分析和多项式拟合的具步骤如下：

步骤S1.1)，对输入图像的图像信息熵空间分布图进行如下计算：令输入图像中能以其为中心形成n×n大小的图像块的像素点为非图像边缘点，针对于输入图像中的每一个非图像边缘点，计算以其为中心n×n大小的图像块的图像信息熵、并将其作为该点的信息熵值，将输入图像的信息熵分布状况可视化；

所述图像信息熵的定义如下：

首先，在输入图像中，选择以非图像边缘点为中心的n×n大小的图像块的邻域灰度均值作为灰度分布的空间特征量，与该非图像边缘点的像素灰度组成特征二元组，记为(i,j)，其中i表示该像素的灰度值，j表示邻域灰度均值，即有：

其中，0≤i≤255，0≤j≤255，P_ij表示n×n的图像块的特征二元组在输入图像中出现的概率；f(i,j)为特征二元组(i,j)出现的频数，N为输入图像的尺度，n为预先设定的第一图像块尺度阈值；

其次，在已知n×n的图像块的特征二元组出现概率后，定义该图像块的图像信息熵H为：

步骤S1.2)，对输入图像的SIFT特征点进行提取并与所述图像信息熵进行对比，验证其相关性；

步骤S1.3)，对于输入图像进行图像区域划分，并计算划分后的新图像区域中每一个非图像边缘点像素的图像信息熵与该图像区域SIFT特征点的数据，统计分析图像信息熵与特征点密度之间的约束关系：

步骤S1.3.1)，将图像划分为若干个a*a的图像区域，计算每个图像区域的特征点密度Dense和图像信息熵值Entropy，得到Dense-Entropy的散点图，a为预先设定的第二图像块尺度阈值；

步骤S1.3.2)，将图像信息熵值划分为b个范围，计算落在各个范围内的每个图像区域的特征点密度的均值，得到Dense-Entropy的折线图，该折线图即为图像信息熵与特征点密度的初步约束关系，b为预设的范围个数阈值；

步骤S2)的具体步骤如下：

步骤S2.1)，通过设定图像SIFT特征检测器阈值，并结合步骤S1)方法中图像特征点密度、图像信息熵值实验数据的约束关系，确定图像信息熵与SIFT特征检测器阈值之间的自适应约束关系：

步骤S2.1.1)，建立图像SIFT特征检测器，设定SIFT特征检测器的步进阈值Threhold为Threhold_min，Threhold_min＝0.01，在此基础上进行特征点提取；

步骤S2.1.2)，将图像划分为c*c的若干个图像区域，计算每个图像区域的特征点密度Dense和二维信息熵值Entropy，得到Dense-Entropy的折线图；

步骤S2.1.3)，基于概率统计方法，将图像信息熵值划分为100个范围，每个范围的中值作为新Entropy，计算落在各个范围内的图像区域特征点密度的均值，该均值作为新Dense，得到一组三维数据：Dense-Entropy-Threhold；

步骤S2.1.4)，令Threhold＝Threhold+0.01；

步骤S2.1.5)，重复执行步骤S2.1.1)至步骤S2.1.4)，直至Threhold0.07，得到若干组Dense-Entropy-Threhold三维数据，建立三维散点图；

通过多项式拟合得到图像信息熵与SIFT特征检测器的阈值之间的自适应约束关系：

其中，x表示Entropy，y表示Threhold；

步骤S2.2)，根据图像信息熵与SIFT特征检测器阈值之间的约束关系，构建基于图像信息熵的自适应阈值SIFT特征检测器：

步骤S2.2.1)，将图像划分为c*c的图像区域，计算每个图像区域的图像信息熵；

步骤S2.2.2)，对图像区域构建DOG金字塔；

步骤S2.2.3)，在DOG尺度空间中寻找局部极值点，作为候选特征点；

步骤S2.2.4)，在图像区域中，确定候选特征点的位置；

步骤S2.2.5)，对于图像区域内靠近边缘的特征点，通过2阶Hessian方程计算特征点主曲率，移除主曲率大于预设的主曲率阈值的特征点，对于候选点对应图像信息熵值，根据步骤S2.1)中图像信息熵与SIFT特征检测器的阈值之间的自适应约束关系动态调整SIFT特征检测器阈值。