目前,人工智能、計(jì)算機(jī)視覺等的發(fā)展使得圖像信息處理領(lǐng)域備受人們關(guān)注。尺度不變特征變換（Scale Invariant Feature Transform,SIFT）算法作為新特征提取算法的發(fā)源與典型代表,已被廣泛用于圖像特征檢測和匹配。幾何式增長的數(shù)據(jù)規(guī)模對SIFT算法的計(jì)算速度要求越來越高使得SIFT硬件加速電路變得越來越重要。因此,本文主要研究SIFT算法及其硬件加速電路的優(yōu)化設(shè)計(jì),實(shí)現(xiàn)高吞吐率的SIFT電路,從而加快圖像特征檢測與匹配的速度。本文首先分析SIFT算法中,卷積核大小與濾波方式對SIFT算法在響應(yīng)、可重復(fù)性方面的影響,確定了7×7的高斯卷積核以及直接濾波的方式,降低了SIFT算法的算法復(fù)雜度。根據(jù)改進(jìn)的SIFT算法,本文設(shè)計(jì)了一種優(yōu)化的流水線并行處理結(jié)構(gòu),以像素為基礎(chǔ)進(jìn)行流水線操作,用于SIFT特征點(diǎn)的實(shí)時(shí)檢測和SIFT特征描述符的提取。電路主要分為六個(gè)模塊:高斯尺度空間建立模塊,高斯差分尺度空間極值點(diǎn)檢測與對比度檢查模塊,邊緣響應(yīng)消除模塊,特征點(diǎn)梯度模值和方向計(jì)算模塊,特征點(diǎn)描述符計(jì)算模塊,歸一化模塊。為了提高計(jì)算速度并且減少硬件資源消耗,優(yōu)化設(shè)計(jì)了邊緣響應(yīng)消除模塊... 

【文章來源】：東南大學(xué)江蘇省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：74 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景及研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 本文主要研究內(nèi)容和設(shè)計(jì)指標(biāo)
        1.3.1 主要研究內(nèi)容
        1.3.2 設(shè)計(jì)指標(biāo)
    1.4 本文章節(jié)安排
第二章 SIFT算法概述
    2.1 高斯尺度空間構(gòu)建
        2.1.1 高斯濾波原理
        2.1.2 高斯金字塔
    2.2 SIFT特征點(diǎn)檢測
        2.2.1 DoG尺度空間極值點(diǎn)檢測
        2.2.2 候選特征點(diǎn)穩(wěn)定性檢查
    2.3 SIFT特征描述符提取
        2.3.1 特征點(diǎn)梯度模值和方向計(jì)算
        2.3.2 特征點(diǎn)描述符計(jì)算
    2.4 本章小結(jié)
第三章 SIFT算法分析與參數(shù)選取
    3.1 SIFT性能指標(biāo)
    3.2 高斯尺度空間設(shè)計(jì)方案分析
        3.2.1 高斯尺度空間輸入分析
        3.2.2 高斯濾波方案與基本參數(shù)選取
    3.3 仿真驗(yàn)證
    3.4 本章小結(jié)
第四章 SIFT算法電路設(shè)計(jì)與優(yōu)化
    4.1 高斯尺度空間建立模塊設(shè)計(jì)
        4.1.1 高斯尺度空間建立模塊設(shè)計(jì)
        4.1.2 高斯尺度空間建立模塊仿真驗(yàn)證
    4.2 SIFT特征檢測器優(yōu)化設(shè)計(jì)
        4.2.1 DoG尺度空間極值點(diǎn)檢測與對比度檢查模塊設(shè)計(jì)
        4.2.2 邊緣響應(yīng)消除模塊優(yōu)化設(shè)計(jì)
        4.2.3 SIFT特征檢測器仿真驗(yàn)證
    4.3 SIFT特征描述符優(yōu)化設(shè)計(jì)
        4.3.1 特征點(diǎn)梯度模值和方向計(jì)算模塊設(shè)計(jì)
        4.3.2 特征點(diǎn)描述符計(jì)算模塊設(shè)計(jì)
        4.3.3 歸一化模塊優(yōu)化設(shè)計(jì)
        4.3.4 SIFT特征描述符仿真驗(yàn)證
    4.4 本章小結(jié)
第五章 實(shí)驗(yàn)結(jié)果與分析
    5.1 功能驗(yàn)證與分析
    5.2 性能分析
    5.3 本章小結(jié)
第六章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間取得的成果


【參考文獻(xiàn)】：
期刊論文
[1]基于圖像梯度信息強(qiáng)化的SIFT特征匹配算法改進(jìn)[J]. 孫健鈞,趙巖,王世剛.  吉林大學(xué)學(xué)報(bào)(理學(xué)版). 2018(01)
[2]采用簡化SIFT算法實(shí)現(xiàn)快速圖像匹配[J]. 劉立,彭復(fù)員,趙坤,萬亞平.  紅外與激光工程. 2008(01)
[3]基于相位相關(guān)的圖像配準(zhǔn)算法[J]. 鄭志彬,葉中付.  數(shù)據(jù)采集與處理. 2006(04)

博士論文
[1]SIFT算法的VLSI結(jié)構(gòu)設(shè)計(jì)與實(shí)時(shí)實(shí)現(xiàn)[D]. 張靜.華中科技大學(xué) 2014

碩士論文
[1]基于點(diǎn)特征的圖像配準(zhǔn)算法研究[D]. 趙輝.山東大學(xué) 2006



本文編號：3431323