發(fā)布時間：2018-05-13 13:19

  本文選題：SoC + SIFT��； 參考：《東南大學》2016年博士論文

【摘要】：遙感圖像的自動解譯是一個重要的研究領(lǐng)域,而圖像匹配是自動解譯技術(shù)的關(guān)鍵一環(huán)。近幾十年來,圖像匹配技術(shù)一直是計算機視覺領(lǐng)域研究的熱點和難點。隨著傳感器技術(shù)的飛速發(fā)展,遙感圖像的分辨率越來越高,圖像尺寸和信息量也越來越大,這都加大了圖像匹配的難度、復雜度和計算量。目前,匹配效果較好的一類算法,在處理大幅圖像時,一般都難以滿足實時性。滿足圖像匹配處理的實時性,要從算法設(shè)計、軟硬件協(xié)同實現(xiàn)等多種途徑著手,綜合解決問題。本文針對實時圖像匹配的實際需要,研究圖像匹配處理的實時性實現(xiàn)問題,具有重要的理論意義和應(yīng)用價值。目前,圖像匹配算法主要分為基于特征的和基于灰度的兩大類,其中,基于特征的算法,由于處理效果好、算法魯棒性強等特點,在非實時處理領(lǐng)域得到了廣泛應(yīng)用,但這類算法計算量大,難以滿足嵌入式應(yīng)用領(lǐng)域的實時性要求。隨著芯片技術(shù)特別是可編程芯片以及SoC技術(shù)的飛速發(fā)展,利用芯片設(shè)計和并行處理技術(shù)來實現(xiàn)圖像匹配算法,具備了物質(zhì)基礎(chǔ)�，F(xiàn)在,基于20納米CMOS工藝的某些FPGA芯片,集成度已達幾億個晶體管的水平,時鐘主頻接近GHz,因此基于SoC FPGA的方式必將因為集成度高、功耗低、體積小等突出優(yōu)勢,而逐步成為嵌入式領(lǐng)域圖像處理的主流方式。本文采用了基于SoC FPGA的方式來實現(xiàn)圖像匹配算法。本文從算法設(shè)計和芯片及系統(tǒng)設(shè)計兩個角度,針對嵌入式遙感圖像處理的實際需要,對圖像的快速匹配方法進行理論和技術(shù)研究,主要研究工作包括：1) 提出了一種采用混合尺度搜索策略實現(xiàn)大幅圖像快速匹配的新算法。將指數(shù)的和線性的兩種尺度變換方式結(jié)合起來,分別用于圖像的粗匹配和精匹配,可大大降低匹配計算量。采用指數(shù)尺度變換策略時,利用小波變換的低頻子帶圖像來求取圖像匹配的粗略位置,并以此位置為搜索起點,在原始圖像中用線性尺度變換方法求取局部的、最終的精確位置。在粗、精兩種匹配過程中,可采用基于特征和線性尺度變換的算法進行特征檢測和描述,如SIFT算法,這類算法匹配概率大、精度高但計算復雜、運算耗時多。小波變換的低頻子圖保留了圖像的主要特征,初始搜索可以獲得主要特征的大致位置,采用多次二維小波變換,可大大壓縮初始搜索范圍,如2次小波變換后,得到的低頻子圖只有原圖的1/16,在此子圖上進行特征搜索要容易得多。目前SIFT算法采用線性的尺度伸縮變換,這種方式導致圖像處理速度慢,計算量難以削減。理論分析和軟件數(shù)值仿真表明,本文新提出的算法可將SIFT算法的計算量減少至原來的1/3,同時,算法的小波變換、特征提取和匹配可分開處理,便于硬件電路的并行設(shè)計。2) 研究和提出了圖像粗匹配時用于空間壓縮的小波濾波器設(shè)計方法和約束條件。圖像的高低頻信息分別描述了圖像的局部特征和全局特征。要實現(xiàn)圖像的高低頻分解并用低頻子圖進行粗匹配,需設(shè)計小波分解濾波器,而小波濾波器用提升格式小波變換來實現(xiàn)。與線性尺度變化的SIFT算法不同,提升格式小波變換的尺度變化是指數(shù)型的,由小波變換產(chǎn)生的尺度集是SIFT算法產(chǎn)生的尺度集的稀疏子集。在同一尺度上,小波變換產(chǎn)生的低頻濾波效果應(yīng)與SIFT算法的基本相同,這樣才不會改變圖像特征矢量。圖像匹配依據(jù)圖像的特征(即描述子)做相似性度量,本文根據(jù)小波及其濾波器的特性,研究了小波變換對描述子的影響,得出了大幅圖像快速匹配算法中小波濾波器設(shè)計的約束性條件。3) 針對經(jīng)典SIFT算法,基于集成電路技術(shù)提出了一種新的硬件SIFT處理電路。經(jīng)典SIFT算法采用串行計算模式,大量運用浮點計算、曲線擬合、串行迭代、線性插值等方法。要在集成電路上實現(xiàn)SIFT算法,需要采用并行處理的方式重新設(shè)計算法的各個功能模塊。本文采用并行結(jié)構(gòu)、定點運算、存儲復用和分布式數(shù)據(jù)管理等技術(shù)設(shè)計了SIFT算法的專用處理集成電路。為保證算法的旋轉(zhuǎn)不變性,本文提出了鄰域信息的極點分布提取和子模塊重排序方法。與SIFT算法相比,新方法不需要浮點數(shù)的乘法運算和額外的存儲空間,只需通過地址搜索和數(shù)據(jù)統(tǒng)計即可。同時,為降低相似性度量算法的復雜度,本文提出了一種特征二值型描述方法,新型特征矢量采用漢明距離進行相似性度量,這種度量方式比歐式距離更適合并行電路的設(shè)計。性能驗證表明,采用集成電路實現(xiàn)的改進SIFT算法,不但有較高的匹配精度,同時算法速度滿足實時性。4) 研究并提出了利用圖像紋理進行特征分布預判,實現(xiàn)遙感圖像匹配加速的方法。圖像匹配的運算時間與圖像大小成正比,對于特征點非均勻分布的大幅圖像,如果能預先了解特征點分布的統(tǒng)計特性,就可針對性地減少特征點稀疏區(qū)域的無用功計算,從而提高匹配速度。遙感圖像中的不同地貌,其特征點分布的統(tǒng)計特性差異較大。定量分析不同地貌的紋理特征,可預判圖像的空間復雜度,在采用混合尺度搜索策略進行圖像匹配之前,實現(xiàn)粗細兩級匹配方式的無監(jiān)督選擇。對于集成電路實現(xiàn)的圖像匹配,預判模塊可作為前置模塊,采用流水線方式與匹配系統(tǒng)相接,這樣可以有效縮減整個匹配操作的計算量,實現(xiàn)遙感圖像的匹配加速。5) 研究了本文新提出的圖像匹配算法的SoC FPGA芯片的設(shè)計問題。在Xilinx Zynq 7000系列SoCFPGA芯片里,設(shè)計和實現(xiàn)了圖像匹配算法的主要模塊。Xilinx Zynq 7000系列芯片內(nèi)含Xilinx的FPGA陣列PL和ARM的Cortex-M9雙核處理器PS,PL和PS通過嵌入式Linux操作系統(tǒng)進行管理和調(diào)度。匹配算法中的小波變換、紋理預估和SIFT特征描述子提取等耗時模塊采用PL資源來實現(xiàn),描述子的匹配在PS中完成,兩者之間利用Xilinx的AXI總線進行數(shù)據(jù)交互。系統(tǒng)數(shù)據(jù)的輸入和輸出通過Linux啟動相應(yīng)的I/O處理IP核,并利用于兆以太網(wǎng)接口與外界交互數(shù)據(jù)。芯片內(nèi)部的軟件設(shè)計,采用了多線程技術(shù),將軟件計算動態(tài)分配到兩個CPU核中處理,進一步提高了系統(tǒng)處理速度。目前,對一幅1600×1050大小的彩色遙感圖像進行特征提取和描述,采用軟件方法需要25秒,而采用本文的SoC FPGA實現(xiàn)芯片只需要6毫秒。經(jīng)過200多組圖像數(shù)據(jù)的測試,芯片方案比軟件方案可快約3個數(shù)量級。如果采用更大容量的SoC FPGA芯片來實現(xiàn)圖像匹配算法,圖像間的匹配處理時間有望達到10毫秒以下,可以滿足大多數(shù)實時場合的處理需求。
[Abstract]:This paper presents a new algorithm for image matching based on SoC FPGA , which is based on the characteristics of high integration , low power consumption , small volume and so on . A new hardware SIFT algorithm is proposed based on the features of wavelet transform and wavelet transform . An improved SIFT algorithm implemented by integrated circuits has not only a high matching accuracy but also an algorithm speed satisfying real - time performance .

【學位授予單位】：東南大學
【學位級別】：博士
【學位授予年份】：2016
【分類號】：TP751

【相似文獻】

相關(guān)期刊論文 前10條

1 李偉;;遙感圖像中的道路提取[J];自動化博覽;2006年05期

2 李傳龍;李穎;馬龍;;一種新的遙感圖像海岸線檢測方法[J];計算機仿真;2010年08期

3 張學良;肖鵬峰;馮學智;;基于圖像內(nèi)容層次表征的遙感圖像分割方法[J];中國圖象圖形學報;2012年01期

4 秦其明;遙感圖像自動解譯面臨的問題與解決的途徑[J];測繪科學;2000年02期

5 陳小琪;現(xiàn)代計算機印前制版技術(shù)在遙感圖像印制中的應(yīng)用研究——以《長江經(jīng)濟帶可持續(xù)發(fā)展地圖集》為例[J];地球信息科學;2000年02期

6 鄧湘金,彭海良;一種基于遙感圖像的機場檢測方法[J];測試技術(shù)學報;2002年02期

7 余杰千,方濤,陳雍業(yè);一種有效的遙感圖像無縫分割方法[J];計算機應(yīng)用;2003年12期

8 吳為祿;遙感圖像中的云層消除處理[J];鐵路航測;2003年01期

9 于輝,徐軍;彩色遙感圖像目標提取方法研究[J];遙感技術(shù)與應(yīng)用;2003年06期

10 黃勇杰,王樹國,劉俊義,陳東;遙感圖像去云算法研究[J];儀器儀表學報;2003年S2期

相關(guān)會議論文 前10條

1 張鳳春;董增壽;劉明君;;基于局部方差均衡的遙感圖像增強方法[A];第六屆全國信息獲取與處理學術(shù)會議論文集（2）[C];2008年

2 鄧冰;林宗堅;彭曉東;;遙感圖像信息度量的原理與方法[A];《測繪通報》測繪科學前沿技術(shù)論壇摘要集[C];2008年

3 江興方;江鴻;何賢強;;遙感圖像兩種半自動拼接方法的研究[A];全國農(nóng)業(yè)遙感技術(shù)研討會論文集[C];2009年

4 羅睿;張永生;范永弘;鄧雪清;;遙感圖像基于內(nèi)容查詢的研究與實踐[A];第十三屆全國遙感技術(shù)學術(shù)交流會論文摘要集[C];2001年

5 陳東;龐怡杰;黃勇杰;;大傾斜航空遙感圖像快速自動鑲嵌技術(shù)[A];圖像 仿真 信息技術(shù)——第二屆聯(lián)合學術(shù)會議論文集[C];2002年

6 黃勇杰;王樹國;劉俊義;陳東;;遙感圖像去云算法研究[A];首屆信息獲取與處理學術(shù)會議論文集[C];2003年

7 謝建春;趙榮椿;;遙感圖像中的軍用機場識別算法研究[A];信號與信息處理技術(shù)第三屆信號與信息處理全國聯(lián)合學術(shù)會議論文集[C];2004年

8 陳姚;王金亮;李石華;;遙感圖像中云層遮擋影響消除處理方法研究述評[A];第十五屆全國遙感技術(shù)學術(shù)交流會論文摘要集[C];2005年

9 張磊;朱磊;;遙感圖像中直線目標的檢測[A];第十五屆全國遙感技術(shù)學術(shù)交流會論文摘要集[C];2005年

10 邱磊;李國輝;衡祥安;;一種基于交互學習的遙感圖像挖掘方法[A];第一屆建立和諧人機環(huán)境聯(lián)合學術(shù)會議（HHME2005）論文集[C];2005年

相關(guān)重要報紙文章 前5條

1 蔣建科邋孫宏金 陳樹琛;傳回清晰遙感圖像[N];人民日報;2008年

2 記者 鄭千里;北京地區(qū)有了航空遙感圖像[N];科技日報;2000年

3 本報通訊員;煤航遙感院獲美國快鳥遙感圖像西部代理權(quán)[N];中煤地質(zhì)報;2005年

4 王石;印度通過“快鳥”影像發(fā)現(xiàn)古墓地[N];中國測繪報;2010年

5 記者 馬彥平 張桂敏;澳大利亞鉀礦鉆探啟動[N];農(nóng)資導報;2011年

相關(guān)博士學位論文 前10條

1 朱光;基于遙感圖像的交通道路目標識別方法研究[D];吉林大學;2015年

2 祁友杰;基于SoC技術(shù)的遙感圖像快速匹配方法研究[D];東南大學;2016年

3 江興方;遙感圖像去云方法的研究及其應(yīng)用[D];南京理工大學;2007年

4 滕鑫鵬;遙感圖像道路提取研究[D];江蘇大學;2014年

5 劉春紅;超光譜遙感圖像降維及分類方法研究[D];哈爾濱工程大學;2005年

6 劉哲;基于信息融合的遙感圖像處理方法研究[D];西北工業(yè)大學;2002年

7 強贊霞;遙感圖像的融合及應(yīng)用[D];華中科技大學;2005年

8 杜根遠;海量遙感圖像內(nèi)容檢索關(guān)鍵技術(shù)研究[D];成都理工大學;2011年

9 陶午沙;基于結(jié)構(gòu)模型的遙感圖像軍事陣地目標特征分析及其識別技術(shù)研究[D];國防科學技術(shù)大學;2004年

10 林劍;基于模糊理論的遙感圖像分割方法研究[D];中南大學;2003年

相關(guān)碩士學位論文 前10條

1 邱磊;基于內(nèi)容的遙感圖像挖掘方法研究[D];國防科學技術(shù)大學;2005年

2 卞子金;基于極限學習機的高分辨率遙感圖像分類算法研究[D];遼寧師范大學;2015年

3 韓倩倩;基于遙感圖像的地貌教學輔助方法研究[D];杭州師范大學;2016年

4 楊志柳;面向遙感圖像特殊目標檢測算法的星載實時處理器實現(xiàn)[D];北京理工大學;2016年

5 梁若飛;面向?qū)ο蟮倪b感圖像分割與玉米田面積統(tǒng)計方法研究[D];中北大學;2016年

6 薛萬勛;基于邊緣特征的遙感圖像質(zhì)量評價方法研究[D];中國科學院國家空間科學中心;2016年

7 于海濤;基于超像素區(qū)域融合的遙感圖像地物分類算法研究[D];東北大學;2014年

8 王靜;遙感圖像智能分類新算法研究[D];福州大學;2013年

9 范郁鋒;無人機遙感圖像去霧算法研究[D];貴州師范大學;2016年

10 王知音;基于機器學習的遙感圖像水體提取研究[D];新疆大學;2016年

，

本文編號：1883315