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、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)算法的進一步改進也一直是圖像處理領(lǐng)域研究的重點。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)計與實現(xiàn)等關(guān)鍵問題。本文首先對SIFT算法中所涉及的圖像處理相關(guān)算法理論基礎(chǔ)進行了簡要介紹,主要包括尺度空間理論、斑點檢測理論、邊緣檢測理論、角點檢測理論等。在對每種理論的基本思想進行闡述的同時,舉出具體實例進行分析。之后,重點對基于FPGA的SIFT圖像局部區(qū)域特征提取與匹配的模塊架構(gòu)進行設(shè)計。整個系統(tǒng)模塊設(shè)計分為三部分,即高斯尺度空間建立設(shè)計、關(guān)鍵點尺度空間定位設(shè)計、關(guān)鍵點描述與匹配設(shè)計。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)通過兩個一維高斯核濾波,即行順序濾波和列順序濾波來達到濾波目的。關(guān)鍵點尺度空間定位設(shè)計主要包含關(guān)鍵點檢測模塊,關(guān)鍵點精確定位模塊,低對比度與邊緣響應(yīng)去除模塊等。這部分設(shè)計運用數(shù)字處理相關(guān)算法來處理較復(fù)雜的運算,如矩陣求逆運算、開方運算、反正切運算等,在保證運算精度的前提下,以較快速度和較小資源消耗來實現(xiàn)設(shè)計功能。關(guān)鍵點描述設(shè)計主要包含關(guān)鍵點描述矢量計算模塊,通過插值運算,為關(guān)鍵點計算具有局部特征不變性的128維特征矢量。匹配設(shè)計主要是對兩幅圖片上的特征點的特征矢量進行歐幾里德距離比較以找出滿足匹配條件的特征點。在架構(gòu)設(shè)計完成后,本論文還基于Xilinx的Virtex6系列芯片對系統(tǒng)整體及各個子模塊做了相應(yīng)的架構(gòu)功能與時序仿真測試。仿真測試時,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)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TP391.41

【共引文獻】

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檢測子[J];兵工學(xué)報;2009年06期

2 張少輝;沈曉蓉;范耀祖;;一種基于圖像特征點提取及匹配的方法[J];北京航空航天大學(xué)學(xué)報;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;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特征提取方法[J];電子學(xué)報;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;2008年04期

6 常寶;張弓;;基于幾何結(jié)構(gòu)的SAR圖像無監(jiān)督變化檢測方法[J];電子學(xué)報;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算方法[J];電子學(xué)報;2012年01期

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

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

10 畢國玲;趙建;續(xù)志軍;孫強;;基于角點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：方法和應(yīng)用研究[D];中國科學(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別關(guān)鍵技術(shù)研究[D];國防科學(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技術(shù)研究[D];山東大學(xué);2011年

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

9 林睿;基于圖像特征點的移動機器人立體視覺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)識別技術(shù)研究[D];國防科學(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)與匹配方式的改進與應(yīng)用[D];大連理工大學(xué);2010年

4 熊超;視頻圖像中運動車輛檢測與跟蹤技術(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)檢測及實現(xiàn)[D];電子科技大學(xué);2011年

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

10 杜藝;空中三角測量中航線間公共點的自動提取技術(shù)研究[D];中國測繪科學(xué)研究院;2011年

，

本文編號：1862240