[發明專利]基于圖像信息熵與自適應閾值DAISY特征點的圖像檢測方法

有效

• 申請號: 201811561702.1
• 申請日: 2018-12-20
• 公開（公告）號: CN109766924B
• 公開（公告）日: 2023-05-26
• 發明（設計）人: 張小國;劉啟漢;王小虎;王慧青
• 申請（專利權）人: 東南大學
• 主分類號: G06V10/75
• 分類號: G06V10/75;G06V10/74;G06V10/46
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 劉傳玉

1.基于圖像信息熵與自適應閾值DAISY特征點的圖像檢測方法，其特征在于，包括如下步驟：

步驟S1)，對于輸入圖像，通過統計分析和多項式擬合確定圖像信息熵與SIFT特征點密度之間的約束關系；

步驟S2)，基于步驟S1)中的約束關系，計算其與SIFT特征檢測器閾值的自適應關系，建立基于圖像信息熵的自適應閾值SIFT特征檢測器，解決SIFT特征點分布不均的問題；

步驟S3)，利用高斯卷積來進行梯度方向直方圖分塊匯聚，提取出圖像DAISY特征點，并根據相似度對DAISY特征點進行篩選；

步驟S4)，根據步驟S3)中提取得到的圖像DAISY特征點，使用該DAISY特征點替換自適應閾值SIFT特征檢測器中的SIFT特征點后，采用被替換過后的適應閾值SIFT特征檢測器進行圖像檢測；

步驟S1)中，對圖像信息熵與SIFT特征檢測器對比度閾值進行統計分析和多項式擬合的具步驟如下：

步驟S1.1)，對輸入圖像的圖像信息熵空間分布圖進行如下計算：令輸入圖像中能以其為中心形成n×n大小的圖像塊的像素點為非圖像邊緣點，針對于輸入圖像中的每一個非圖像邊緣點，計算以其為中心n×n大小的圖像塊的圖像信息熵、并將其作為該點的信息熵值，將輸入圖像的信息熵分布狀況可視化；

所述圖像信息熵的定義如下：

首先，在輸入圖像中，選擇以非圖像邊緣點為中心的n×n大小的圖像塊的鄰域灰度均值作為灰度分布的空間特征量，與該非圖像邊緣點的像素灰度組成特征二元組，記為(i,j)，其中i表示該像素的灰度值，j表示鄰域灰度均值，即有：

其中，0≤i≤255，0≤j≤255，P_ij表示n×n的圖像塊的特征二元組在輸入圖像中出現的概率；f(i,j)為特征二元組(i,j)出現的頻數，N為輸入圖像的尺度，n為預先設定的第一圖像塊尺度閾值；

其次，在已知n×n的圖像塊的特征二元組出現概率后，定義該圖像塊的圖像信息熵H為：

步驟S1.2)，對輸入圖像的SIFT特征點進行提取并與所述圖像信息熵進行對比，驗證其相關性；

步驟S1.3)，對于輸入圖像進行圖像區域劃分，并計算劃分后的新圖像區域中每一個非圖像邊緣點像素的圖像信息熵與該圖像區域SIFT特征點的數據，統計分析圖像信息熵與特征點密度之間的約束關系：

步驟S1.3.1)，將圖像劃分為若干個a*a的圖像區域，計算每個圖像區域的特征點密度Dense和圖像信息熵值Entropy，得到Dense-Entropy的散點圖，a為預先設定的第二圖像塊尺度閾值；

步驟S1.3.2)，將圖像信息熵值劃分為b個范圍，計算落在各個范圍內的每個圖像區域的特征點密度的均值，得到Dense-Entropy的折線圖，該折線圖即為圖像信息熵與特征點密度的初步約束關系，b為預設的范圍個數閾值；

步驟S2)的具體步驟如下：

步驟S2.1)，通過設定圖像SIFT特征檢測器閾值，并結合步驟S1)方法中圖像特征點密度、圖像信息熵值實驗數據的約束關系，確定圖像信息熵與SIFT特征檢測器閾值之間的自適應約束關系：

步驟S2.1.1)，建立圖像SIFT特征檢測器，設定SIFT特征檢測器的步進閾值Threhold為Threhold_min，Threhold_min＝0.01，在此基礎上進行特征點提取；

步驟S2.1.2)，將圖像劃分為c*c的若干個圖像區域，計算每個圖像區域的特征點密度Dense和二維信息熵值Entropy，得到Dense-Entropy的折線圖；

步驟S2.1.3)，基于概率統計方法，將圖像信息熵值劃分為100個范圍，每個范圍的中值作為新Entropy，計算落在各個范圍內的圖像區域特征點密度的均值，該均值作為新Dense，得到一組三維數據：Dense-Entropy-Threhold；

步驟S2.1.4)，令Threhold＝Threhold+0.01；

步驟S2.1.5)，重復執行步驟S2.1.1)至步驟S2.1.4)，直至Threhold0.07，得到若干組Dense-Entropy-Threhold三維數據，建立三維散點圖；

通過多項式擬合得到圖像信息熵與SIFT特征檢測器的閾值之間的自適應約束關系：

其中，x表示Entropy，y表示Threhold；

步驟S2.2)，根據圖像信息熵與SIFT特征檢測器閾值之間的約束關系，構建基于圖像信息熵的自適應閾值SIFT特征檢測器：

步驟S2.2.1)，將圖像劃分為c*c的圖像區域，計算每個圖像區域的圖像信息熵；

步驟S2.2.2)，對圖像區域構建DOG金字塔；

步驟S2.2.3)，在DOG尺度空間中尋找局部極值點，作為候選特征點；

步驟S2.2.4)，在圖像區域中，確定候選特征點的位置；

步驟S2.2.5)，對于圖像區域內靠近邊緣的特征點，通過2階Hessian方程計算特征點主曲率，移除主曲率大于預設的主曲率閾值的特征點，對于候選點對應圖像信息熵值，根據步驟S2.1)中圖像信息熵與SIFT特征檢測器的閾值之間的自適應約束關系動態調整SIFT特征檢測器閾值。