[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

说明书

本发明公开了一种基于图像信息熵与自适应阈值DAISY特征点的图像检测方法。由于常见图像检测算法会出现特征点分布不均匀且在局部区域稀少的问题，导致后续重建中点云会出现空洞现象。本发明首先通过统计分析确定了图像信息熵与SIFT特征点密度的约束关系；其次提出了一种基于图像信息熵的自适应阈值SIFT特征检测器，解决了特征点分布不均的问题；然后针对SIFT特征点在非极值特征点处可靠性降低，提出采用改进的DAISY特征点，提高了特征点的可靠性；最后将自适应阈值检测器中的特征点替换为DAISY特征点，并用于图像检测。实验表明本发明提出的方法在保证了特征点较高的可靠性，且改善了特征点分布，达到了预期目标。

技术领域

本发明涉及计算机视觉与三维重建领域的图像处理技术，尤其涉及一种基于图像信息熵与自适应阈值DAISY特征点的图像检测方法。

背景技术

在图像特征点匹配过程中，常规特征点提取算法日益从成熟。在诸多的局部图像特征点中，SIFT(Scale Invariant Feature Transform)是其中应用最广的，它在1999年首次提出，至2004年得到完善。SIFT的提出也是局部图像特征点研究领域一项里程碑式的工作。由于SIFT对尺度、旋转以及一定视角和光照变化等图像变化都具有不变性，并且SIFT具有很强的可区分性，自它提出以来，很快应用在三维重建领域。

与此同时，基于SIFT特征点的图像匹配，会出现特征点整体分布不均匀且在局部区域数量稀少的问题，导致后续稀疏点云重建环节解算出的点云出现空洞现象。

发明内容

本发明所要解决的技术问题是针对背景技术中所涉及到的缺陷，提供一种基于图像信息熵与自适应阈值DAISY特征点的图像检测方法，在保证特征点鲁棒性和可区分性的前提下提高特征点数量和改善特征点分布。

本发明为解决上述技术问题采用以下技术方案：

基于图像信息熵与自适应阈值DAISY特征点的图像检测方法，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。

作为本发明基于图像信息熵与自适应阈值DAISY特征点的图像检测方法进一步的优化方案，所述步骤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(0≤i≤255)，j表示邻域灰度均值(0≤j≤255)，即有：