[发明专利]一种基于自适应图像信息熵的特征点提取方法

权利要求书

1.一种基于自适应信息熵的特征点提取方法，其特征在于，所述方法包括：

步骤101，首先输入灰度图像，构建图像金字塔，增加尺度不变性；

步骤102，按照预先定义好的图像块大小划分图像块，自适应计算信息熵阈值，逐层对每个图像块进行信息熵和阈值的判断，选取熵值大于阈值的图像块；

步骤103，若所述图像块的熵值大于阈值，则在筛选出的信息丰富的图像块内进行FAST特征点提取，均匀化处理，并计算BRIEF描述子，其中，所述均匀化处理进一步包括：

步骤301，设置整个图像金字塔需要提取出1000个特征点，并且为构建图像金字塔中的缩放因子，第n层图像中，需要提取出的特征点个数N_n：

；

其中，s为缩放因子，计算出本层图像中的图像块个数m_n，因此每个图像块中，提取出特征点的个数k：

；

步骤302，比较图像块中实际提取出的特征点个数realkey_i；与n的大小，并且C为实际采用FAST特征点提取算法提取出的特征点个数小于n的图像块个数，当某图像块中的实际提取出的特征点个数小于k时，保留所有的特征点，并且定义A_j该图像块的特征点个数与k的差值，在遍历整个图像金字塔后，得到整个图像金字塔中，尚未分配的特征点个数为A：

；

；

步骤303，再将A均匀划分到那些图像块中实际提取出的特征点个数大于n的图像块中；因此，实际提取出的特征点个数大于n的图像块应该保留n₁个特征点，其中n₁为：

；

步骤304，用n₁代替n继续遍历那些实际提取出的特征点大于n的图像块，重复上述步骤301-303，直到1000个应特征点提取数目全部分至图像块中，或者整个图像金字塔中提取出的特征点数小于1000，则停止均匀化图像块提取出的特征点个数；

步骤305，在图像块中，根据特征点的响应值，对特征点进行排序，选出前每个图像块应提取出特征点个数特征点，保留；

步骤104，若所述图像块的熵值小于阈值，则不进行特征点的提取；

步骤105，进行特征点匹配，计算匹配率，若此时的匹配率最高，则输出匹配率、匹配结果和此时信息熵的阈值。

2.如权利要求1所述的一种基于自适应信息熵的特征点提取方法，其特征在于，所述自适应计算信息熵阈值进一步包括：自动计算筛选出匹配率最高的阈值，步骤如下：

步骤201，根据输入场景图片算出图片信息熵；

步骤202，由所述信息熵和步进得出循环次数，设置所述信息熵阈值的初始值为0，并设置步进为A及循环次数B，每次循环加step，并同时计算所述匹配率；

步骤203，取匹配率最大的信息熵，作为该场景的信息熵阈值。

3.如权利要求2所述的一种基于自适应信息熵的特征点提取方法，其特征在于，所述步骤202进一步包括：设定循环步进A的step为0.2，所述循环次数B由计算得到，其中，Entropy为信息熵阈值，step为步进值。

4.如权利要求3所述的一种基于自适应信息熵的特征点提取方法，其特征在于，所述步骤103进一步包括：对该图像块进行FAST特征点提取，使用四叉树算法对FAST提取出的特征点进行均匀化，然后使用灰度质心法计算所述特征点的旋转角度，并通过BRIEF算法对特征点进行描述。

5.如权利要求4所述的一种基于自适应信息熵的特征点提取方法，其特征在于，所述均匀化处理使用基于比例的特征点均匀化算法代替四叉树算法对特征点进行均匀化。