近十年以來,對圖像局部不變性特征的研究一直是圖像處理、模式識別等領域的熱門研究方向。人們通過經(jīng)典的數(shù)學理論設計和構建圖像中具有不變性的局部特征,從而讓計算機能夠有能力替代人工自動完成某些目標提取、追蹤等任務。SIFT算法憑借其對圖像旋轉(zhuǎn)、平移、尺度等變換的不變特性,成為圖像局部不變性特征研究中里程碑式的工作,廣泛應用于諸多領域。然而,由于SIFT算法運行時需要消耗巨大計算量,使其在通用處理器下很難滿足諸如視頻目標跟蹤、實時圖像拼接等應用對算法實時性的要求。為了解決SIFT算法運算效率低的短板并且能使其更好地應用于嵌入式設備中,本文提出了基于FPGA的SIFT特征提取、特征描述以及特征描述子匹配的算法加速解決方案。本研究從SIFT算法原理入手,對算法基于硬件實現(xiàn)的改進優(yōu)化,并充分利用Xilinx Zynq平臺ARM+FPGA的結構,最終將算法主體計算部分由FPGA端作并行計算加速,而控制與人機交互部分則在軟件端實現(xiàn)。主要研究工作包括:1)針對FPGA硬件可編程特性,對SIFT算法各步驟實現(xiàn)進行調(diào)整優(yōu)化。其中包括采用并行高斯濾波結構生成高斯金字塔,以提高特征提取速率;采用近似比較的方式生成...

【文章頁數(shù)】：77 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 本文主要工作
第二章 SIFT圖像匹配算法原理
    2.1 SIFT算法簡介
    2.2 尺度空間生成
        2.2.1 金字塔多分辨率
        2.2.2 高斯尺度空間
        2.2.3 高斯金字塔
    2.3 特征點檢測
        2.3.1 坐標規(guī)范化尺度空間
        2.3.2 LoG斑點檢測
        2.3.3 DoG金字塔
        2.3.4 特征點提取與篩選
    2.4 特征點描述
        2.4.1 特征點鄰域主方向指定
        2.4.2 描述子矢量生成
    2.5 描述子匹配
    2.6 本章小結
第三章 基于硬件實現(xiàn)的SIFT算法優(yōu)化
    3.1 算法優(yōu)化總體設計
    3.2 高斯濾波優(yōu)化
    3.3 特征點提取優(yōu)化
    3.4 特征點描述優(yōu)化
        3.4.1 梯度計算優(yōu)化
        3.4.2 描述子生成優(yōu)化
    3.5 描述子匹配優(yōu)化
    3.6 本章小結
第四章 SIFT圖像匹配系統(tǒng)硬件設計
    4.1 系統(tǒng)硬件總體設計
    4.2 特征點提取模塊設計
        4.2.1 高斯濾波模塊設計
        4.2.2 梯度模塊設計
        4.2.3 特征點檢測模塊設計
        4.2.4 特征點存取模塊設計
    4.3 特征點描述模塊設計
        4.3.1 鄰域數(shù)據(jù)讀取模塊設計
        4.3.2 描述子生成模塊設計
        4.3.3 描述子緩存模塊設計
    4.4 描述子匹配模塊設計
        4.4.1 描述子匹配子模塊設計
    4.5 本章小結
第五章 系統(tǒng)軟硬件架構設計與劃分
    5.1 系統(tǒng)軟硬件總體設計
    5.2 PL端硬件架構設計
        5.2.1 SIFT IP核簡介
        5.2.2 命令模塊簡介
        5.2.3 AXI DataMover簡介
    5.3 PS端軟件程序設計
    5.4 PC端上位機程序設計
        5.4.1 PC端軟件運行流程
        5.4.2 PC端匹配對一致性提純
    5.5 本章小結
第六章 系統(tǒng)驗證與測試
    6.1 算法模型驗證
    6.2 硬件時序仿真
    6.3 系統(tǒng)軟硬件聯(lián)合測試
        6.3.1 系統(tǒng)性能測試
        6.3.2 同類方案比較
        6.3.3 圖像—視頻匹配
    6.4 本章小結
第七章 總結與展望
    7.1 全文總結
    7.2 展望
致謝
參考文獻
作者簡介



本文編號：3865585