This paper deals with robust point features selection for tracking. The aim is to identify unreliable features since the first frame so to track them in all the sequence. We extend a recent version of the well-known Kanade-Lucas-Tomasi [18] by introducing an automatic scheme for rejecting spurious features. We employ a simple and efficient rejection rule based on grey levels co-occurrence entropy and show that its empirically assumptions are satisfied in the scenario of feature tracking. Experiments with real and synthetic images confirm that this approach makes better features tracking. We illustrate quantitatively the benefits introduced by the proposed algorithm.

Cet article traite de la sélection robuste de points d'intérêt en vue de leur suivi. Le but est d'identifier, dès la première image, les points qui pourront être suivis tout au long de la séquence. Pour ce faire, nous étendons une version récente de l'algorithme bien connu de Kanade-Lucas- Tomasi [18] en introduisant un schéma automatique de réjection des primitives mal appariées. Des règles de réjection basées sur le calcul de l'entropie des co-ocurrences des niveaux de gris sont utilisées. Des résultats expérimentaux sur images synthétiques et réelles confirment le bien fondé de notre approche.