本文選題：SIFT + FPGA�。� 參考：《電子科技大學(xué)》2015年碩士論文

【摘要】：作為圖像處理的重要組成環(huán)節(jié),圖像局部特征提取與匹配被廣泛應(yīng)用于多光譜分析、環(huán)境質(zhì)量監(jiān)測(cè)、景觀規(guī)劃、天氣預(yù)警、超規(guī)模分辨率圖像建立等領(lǐng)域,其相關(guān)算法的進(jìn)一步改進(jìn)也一直是圖像處理領(lǐng)域研究的重點(diǎn)。本文主要研究基于圖像局部特征的SIFT算法相關(guān)理論,及該算法的FPGA通用并行架構(gòu)設(shè)計(jì)與實(shí)現(xiàn)等關(guān)鍵問題。本文首先對(duì)SIFT算法中所涉及的圖像處理相關(guān)算法理論基礎(chǔ)進(jìn)行了簡(jiǎn)要介紹,主要包括尺度空間理論、斑點(diǎn)檢測(cè)理論、邊緣檢測(cè)理論、角點(diǎn)檢測(cè)理論等。在對(duì)每種理論的基本思想進(jìn)行闡述的同時(shí),舉出具體實(shí)例進(jìn)行分析。之后,重點(diǎn)對(duì)基于FPGA的SIFT圖像局部區(qū)域特征提取與匹配的模塊架構(gòu)進(jìn)行設(shè)計(jì)。整個(gè)系統(tǒng)模塊設(shè)計(jì)分為三部分,即高斯尺度空間建立設(shè)計(jì)、關(guān)鍵點(diǎn)尺度空間定位設(shè)計(jì)、關(guān)鍵點(diǎn)描述與匹配設(shè)計(jì)。其中,高斯尺度空間建立主要包含圖像二維高斯濾波模塊,差分模塊等。二維高斯核濾波模塊將二維圖像數(shù)據(jù)通過兩個(gè)一維高斯核濾波,即行順序?yàn)V波和列順序?yàn)V波來達(dá)到濾波目的。關(guān)鍵點(diǎn)尺度空間定位設(shè)計(jì)主要包含關(guān)鍵點(diǎn)檢測(cè)模塊,關(guān)鍵點(diǎn)精確定位模塊,低對(duì)比度與邊緣響應(yīng)去除模塊等。這部分設(shè)計(jì)運(yùn)用數(shù)字處理相關(guān)算法來處理較復(fù)雜的運(yùn)算,如矩陣求逆運(yùn)算、開方運(yùn)算、反正切運(yùn)算等,在保證運(yùn)算精度的前提下,以較快速度和較小資源消耗來實(shí)現(xiàn)設(shè)計(jì)功能。關(guān)鍵點(diǎn)描述設(shè)計(jì)主要包含關(guān)鍵點(diǎn)描述矢量計(jì)算模塊,通過插值運(yùn)算,為關(guān)鍵點(diǎn)計(jì)算具有局部特征不變性的128維特征矢量。匹配設(shè)計(jì)主要是對(duì)兩幅圖片上的特征點(diǎn)的特征矢量進(jìn)行歐幾里德距離比較以找出滿足匹配條件的特征點(diǎn)。在架構(gòu)設(shè)計(jì)完成后,本論文還基于Xilinx的Virtex6系列芯片對(duì)系統(tǒng)整體及各個(gè)子模塊做了相應(yīng)的架構(gòu)功能與時(shí)序仿真測(cè)試。仿真測(cè)試時(shí),系統(tǒng)能夠在多種環(huán)境下正確地完成圖像局部特征提取與匹配。
[Abstract]:As an important part of image processing, image local feature extraction and matching are widely used in multi-spectral analysis, environmental quality monitoring, landscape planning, weather warning, super-resolution image establishment and other fields. The further improvement of the algorithm has been the focus of image processing. This paper focuses on the related theories of SIFT algorithm based on local features of images, and the key issues such as the design and implementation of the FPGA universal parallel architecture of the algorithm. In this paper, the basic theories of image processing algorithms involved in SIFT algorithm are introduced briefly, including scale space theory, speckle detection theory, edge detection theory, corner detection theory and so on. The basic ideas of each theory are expounded, and concrete examples are given to analyze them. Then, the module architecture of local feature extraction and matching of SIFT image based on FPGA is designed. The whole system module design is divided into three parts, namely Gao Si scale space establishment design, key point scale space positioning design, key point description and matching design. Among them, Gao Si scale space establishment mainly includes image two-dimensional Gao Si filter module, difference module and so on. Two dimensional Gao Si kernel filter module uses two dimensional UNOMI_person1# kernel filtering, namely row sequence filter and column order filter, to achieve the purpose of filtering. The key point scale spatial location design mainly includes the key point detection module, the key point accurate location module, the low contrast and edge response removal module and so on. This part of the design uses digital processing related algorithms to deal with more complex operations, such as matrix inversion, square operation, tangent operation and so on. Under the premise of ensuring the accuracy of operation, the design function is realized with faster speed and less resource consumption. The key point description design mainly includes the calculation module of the key point description vector. Through the interpolation operation, the key point is calculated for the 128-dimensional feature vector with local feature invariance. The matching design is mainly to compare the Euclidean distance between the feature vectors of the feature points in two pictures to find out the feature points that meet the matching conditions. After the architecture design is finished, the whole system and its sub-modules are tested based on the Virtex6 series chips of Xilinx. In the simulation test, the system can correctly extract and match the local features of the image in a variety of environments.
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP391.41

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 孫晶;邢英杰;楊健;吳宇鋒;;基于規(guī)范化LoG的尺度不變性興趣點(diǎn)檢測(cè)子[J];兵工學(xué)報(bào);2009年06期

2 張少輝;沈曉蓉;范耀祖;;一種基于圖像特征點(diǎn)提取及匹配的方法[J];北京航空航天大學(xué)學(xué)報(bào);2008年05期

3 鄧傳斌;郭雷;李維;;基于SIFT的遙感圖像配準(zhǔn)方法[J];傳感技術(shù)學(xué)報(bào);2009年12期

4 朱慶;吳波;萬能;徐志祥;田一翔;;具有良好重復(fù)率與信息量的立體影像點(diǎn)特征提取方法[J];電子學(xué)報(bào);2006年02期

5 蔡紅蘋;雷琳;陳濤;粟毅;;一種通用的仿射不變特征區(qū)域提取方法[J];電子學(xué)報(bào);2008年04期

6 常寶;張弓;;基于幾何結(jié)構(gòu)的SAR圖像無監(jiān)督變化檢測(cè)方法[J];電子學(xué)報(bào);2011年09期

7 杜馨瑜;李永杰;堯德中;李朝義;;基于圖像導(dǎo)數(shù)框架和非負(fù)稀疏編碼的顏色恒常計(jì)算方法[J];電子學(xué)報(bào);2012年01期

8 馮曉偉;田裕鵬;;基于形狀內(nèi)容描述子的點(diǎn)特征匹配[J];光電工程;2008年03期

9 韓冰;王永明;孫繼銀;;加速的Fast Hessian多尺度斑點(diǎn)特征檢測(cè)[J];光學(xué)精密工程;2011年07期

10 畢國(guó)玲;趙建;續(xù)志軍;孫強(qiáng);;基于角點(diǎn)和局部特征描述子的快速匹配算法[J];光電工程;2014年09期

相關(guān)博士學(xué)位論文 前10條

1 孔凡芝;引線鍵合視覺檢測(cè)關(guān)鍵技術(shù)研究[D];哈爾濱工程大學(xué);2009年

2 肖潔;視覺注意模型及其在目標(biāo)感知中的應(yīng)用研究[D];華中科技大學(xué);2010年

3 章鵬;多尺度特征檢測(cè)：方法和應(yīng)用研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2010年

4 高飛;基于多視幾何的三維腳型測(cè)量技術(shù)與系統(tǒng)[D];浙江大學(xué);2010年

5 蔡紅蘋;基于局部特征的圖像分類識(shí)別關(guān)鍵技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2010年

6 周文罡;基于局部特征的視覺上下文分析及其應(yīng)用[D];中國(guó)科學(xué)技術(shù)大學(xué);2011年

7 朱淑亮;基于視頻圖像分析與信息融合的駕駛員疲勞檢測(cè)技術(shù)研究[D];山東大學(xué);2011年

8 周磊;基于注意機(jī)制的煤礦監(jiān)控圖像知覺編組研究[D];中國(guó)礦業(yè)大學(xué);2010年

9 林睿;基于圖像特征點(diǎn)的移動(dòng)機(jī)器人立體視覺SLAM研究[D];哈爾濱工業(yè)大學(xué);2011年

10 劉建軍;基于圖像局部不變特征的類屬超圖構(gòu)建與目標(biāo)識(shí)別技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 倪希亮;基于尺度不變特征的多源遙感影像配準(zhǔn)[D];山東科技大學(xué);2010年

2 黃令允;基于自適應(yīng)閾值的SIFT算法研究及應(yīng)用[D];大連理工大學(xué);2010年

3 林秉雄;SIFT特征匹配標(biāo)準(zhǔn)與匹配方式的改進(jìn)與應(yīng)用[D];大連理工大學(xué);2010年

4 熊超;視頻圖像中運(yùn)動(dòng)車輛檢測(cè)與跟蹤技術(shù)的研究[D];南昌大學(xué);2010年

5 蘭遠(yuǎn)鴿;基于SAR影像的變化檢測(cè)技術(shù)研究[D];解放軍信息工程大學(xué);2010年

6 夏朝貴;公文印鑒鑒別技術(shù)研究[D];解放軍信息工程大學(xué);2010年

7 張俊;基于局部特征集合的圖像匹配技術(shù)研究與應(yīng)用[D];浙江大學(xué);2011年

8 康令州;紅外序列圖像斑塊目標(biāo)檢測(cè)及實(shí)現(xiàn)[D];電子科技大學(xué);2011年

9 張新;基于特征點(diǎn)的圖像拼接算法研究[D];山東經(jīng)濟(jì)學(xué)院;2011年

10 杜藝;空中三角測(cè)量中航線間公共點(diǎn)的自動(dòng)提取技術(shù)研究[D];中國(guó)測(cè)繪科學(xué)研究院;2011年

，

本文編號(hào)：1862240