[發(fā)明專利]基于圖像信息熵與自適應(yīng)閾值DAISY特征點(diǎn)的圖像檢測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201811561702.1
• 申請(qǐng)日: 2018-12-20
• 公開（公告）號(hào): CN109766924B
• 公開（公告）日: 2023-05-26
• 發(fā)明（設(shè)計(jì)）人: 張小國(guó);劉啟漢;王小虎;王慧青
• 申請(qǐng)（專利權(quán)）人: 東南大學(xué)
• 主分類號(hào): G06V10/75
• 分類號(hào): G06V10/75;G06V10/74;G06V10/46
• 代理公司: 南京經(jīng)緯專利商標(biāo)代理有限公司 32200
• 代理人: 劉傳玉

本發(fā)明公開了一種基于圖像信息熵與自適應(yīng)閾值DAISY特征點(diǎn)的圖像檢測(cè)方法。由于常見圖像檢測(cè)算法會(huì)出現(xiàn)特征點(diǎn)分布不均勻且在局部區(qū)域稀少的問(wèn)題，導(dǎo)致后續(xù)重建中點(diǎn)云會(huì)出現(xiàn)空洞現(xiàn)象。本發(fā)明首先通過(guò)統(tǒng)計(jì)分析確定了圖像信息熵與SIFT特征點(diǎn)密度的約束關(guān)系；其次提出了一種基于圖像信息熵的自適應(yīng)閾值SIFT特征檢測(cè)器，解決了特征點(diǎn)分布不均的問(wèn)題；然后針對(duì)SIFT特征點(diǎn)在非極值特征點(diǎn)處可靠性降低，提出采用改進(jìn)的DAISY特征點(diǎn)，提高了特征點(diǎn)的可靠性；最后將自適應(yīng)閾值檢測(cè)器中的特征點(diǎn)替換為DAISY特征點(diǎn)，并用于圖像檢測(cè)。實(shí)驗(yàn)表明本發(fā)明提出的方法在保證了特征點(diǎn)較高的可靠性，且改善了特征點(diǎn)分布，達(dá)到了預(yù)期目標(biāo)。

技術(shù)領(lǐng)域

本發(fā)明涉及計(jì)算機(jī)視覺與三維重建領(lǐng)域的圖像處理技術(shù)，尤其涉及一種基于圖像信息熵與自適應(yīng)閾值DAISY特征點(diǎn)的圖像檢測(cè)方法。

背景技術(shù)

在圖像特征點(diǎn)匹配過(guò)程中，常規(guī)特征點(diǎn)提取算法日益從成熟。在諸多的局部圖像特征點(diǎn)中，SIFT(Scale?Invariant?Feature?Transform)是其中應(yīng)用最廣的，它在1999年首次提出，至2004年得到完善。SIFT的提出也是局部圖像特征點(diǎn)研究領(lǐng)域一項(xiàng)里程碑式的工作。由于SIFT對(duì)尺度、旋轉(zhuǎn)以及一定視角和光照變化等圖像變化都具有不變性，并且SIFT具有很強(qiáng)的可區(qū)分性，自它提出以來(lái)，很快應(yīng)用在三維重建領(lǐng)域。

與此同時(shí)，基于SIFT特征點(diǎn)的圖像匹配，會(huì)出現(xiàn)特征點(diǎn)整體分布不均勻且在局部區(qū)域數(shù)量稀少的問(wèn)題，導(dǎo)致后續(xù)稀疏點(diǎn)云重建環(huán)節(jié)解算出的點(diǎn)云出現(xiàn)空洞現(xiàn)象。

發(fā)明內(nèi)容

本發(fā)明所要解決的技術(shù)問(wèn)題是針對(duì)背景技術(shù)中所涉及到的缺陷，提供一種基于圖像信息熵與自適應(yīng)閾值DAISY特征點(diǎn)的圖像檢測(cè)方法，在保證特征點(diǎn)魯棒性和可區(qū)分性的前提下提高特征點(diǎn)數(shù)量和改善特征點(diǎn)分布。

本發(fā)明為解決上述技術(shù)問(wèn)題采用以下技術(shù)方案：

基于圖像信息熵與自適應(yīng)閾值DAISY特征點(diǎn)的圖像檢測(cè)方法，包括如下步驟：

步驟S1)，對(duì)于輸入圖像，通過(guò)統(tǒng)計(jì)分析和多項(xiàng)式擬合確定圖像信息熵與SIFT特征點(diǎn)密度之間的約束關(guān)系；

步驟S2)，基于步驟S1)中的約束關(guān)系，計(jì)算其與SIFT特征檢測(cè)器閾值的自適應(yīng)關(guān)系，建立基于圖像信息熵的自適應(yīng)閾值SIFT特征檢測(cè)器，解決SIFT特征點(diǎn)分布不均的問(wèn)題；

步驟S3)，利用高斯卷積來(lái)進(jìn)行梯度方向直方圖分塊匯聚，提取出圖像DAISY特征點(diǎn)，并根據(jù)相似度對(duì)DAISY特征點(diǎn)進(jìn)行篩選；

步驟S4)，根據(jù)步驟S3)中提取得到的圖像DAISY特征點(diǎn)，使用該DAISY特征點(diǎn)替換自適應(yīng)閾值SIFT特征檢測(cè)器中的SIFT特征點(diǎn)后，采用被替換過(guò)后的適應(yīng)閾值SIFT特征檢測(cè)器進(jìn)行圖像檢測(cè)。

作為本發(fā)明基于圖像信息熵與自適應(yīng)閾值DAISY特征點(diǎn)的圖像檢測(cè)方法進(jìn)一步的優(yōu)化方案，所述步驟S1)中，對(duì)圖像信息熵與SIFT特征檢測(cè)器對(duì)比度閾值進(jìn)行統(tǒng)計(jì)分析和多項(xiàng)式擬合的具步驟如下：

步驟S1.1)，對(duì)輸入圖像的圖像信息熵空間分布圖進(jìn)行如下計(jì)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(diǎn)為非圖像邊緣點(diǎn)，針對(duì)于輸入圖像中的每一個(gè)非圖像邊緣點(diǎn)，計(jì)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(diǎn)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(diǎn)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(diǎn)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(0≤i≤255)，j表示鄰域灰度均值(0≤j≤255)，即有：