基于神经网络的图像特征点提取在FPGA上实现
发布时间：2021-10-25 19:36
随着计算机视觉技术发展不断提升,图像识别技术在自动驾驶、航海航空、医疗等领域应用广泛,在计算机视觉应用领域中,特征点发挥重要作用。目前,大多数图像处理都是基于软件的方式,但巨大的计算量会导致整个系统在性能和速度上处于劣势,虽然现在有了专门图形处理器（GPU）,但是也是通过牺牲功耗为代价的。传统的图像特征点提取算法中,如SIFT、SURF等的特征点提取都是依赖于手工设计的特征,手工设计的特征过于繁琐。针对以上的一些问题,本文主要研究了基于FPGA实现神经网络图像特征点提取方法。在综合分析和对比了FPGA和CPU、GPU在运算上的优缺点,本文最终采用了“ARM+FPGA”的设计方法,使用了Xilinx的PYNQ FPGA平台,该平台包含可编程逻辑（Programmable Logic,PL）端和处理系统（Process System,PS）端,通过软硬件结合的方式,合理的分配软硬件任务,最终实现图像的特征点提取,不但增加了整个系统运行的灵活性,而且在保证性能的前提下大大降低功耗。本文研究的主要内容包括以下几个方面:首先对整个系统的功能进行全面分析,然后对系统进行了合理软硬件任务划分,在PL...
【文章来源】：桂林电子科技大学广西壮族自治区
【文章页数】：68 页
【学位级别】：硕士
【部分图文】：
高斯金字塔尺度空间的极值点，就是在DOG空间上，遍历空间内的每一个点，将这个点与
图 2-1 高斯金字塔的极值点，就是在 DOG 空间上，遍历空间内的每一个点，将点比较，只有当该像素点大于（或者小于）所有这些邻域的点极值点。但是每组图像的第一层和最后一层因没有可以比较值点。为了使尺度变换具有连续性，需要在每组图像的起始位图像。
第二章 图像特征点及神经网络技术基础, =, +1 , 1+1, 1,后，会用一个直方图来表示梯度，梯度方向的范成为 8 个柱（或 10 个柱），统计以上得到的那些每一个模值按照 1.5σ大小的高斯分布加成)，在得关键点的主方向。如图 2-3 所示的直方图，该图柱最高方向的就是主方向。在确定好特征点的主置和方向三个信息，并由这些信息就可以确定一
【参考文献】：
期刊论文
[1]深度学习算法在山区植被分类中的应用[J]. 王健. 价值工程. 2019(04)
[2]基于SIFT的新特征提取匹配算法[J]. 杨福嘉,郑丽颖. 应用科技. 2019(02)
[3]基于TensorFlow深度学习框架的卷积神经网络研究[J]. 袁文翠,孔雪. 微型电脑应用. 2018(02)
[4]深度神经网络并行化研究综述[J]. 朱虎明,李佩,焦李成,杨淑媛,侯彪. 计算机学报. 2018(08)
[5]基于Zynq的LBP人脸识别算法的实现[J]. 彭凌霄,符意德. 自动化技术与应用. 2016(12)
[6]基于SDSoC的SIFT特征点检测[J]. 张波,韩俊刚. 计算机技术与发展. 2016(12)
[7]基于深度学习的人脸识别方法的探究[J]. 王微. 信息与电脑(理论版). 2016(11)
[8]FPGA软硬件协同处理实时图像处理系统[J]. 沈淦松,叶玉堂,刘霖,刘娟秀. 光电工程. 2012(10)
[9]基于高斯金字塔与差分法的多目标检测和跟踪算法[J]. 姜靓,詹永照. 微电子学与计算机. 2011(11)
[10]图像特征点提取及匹配技术[J]. 杨晓敏,吴炜,卿粼波,华骅,何小海. 光学精密工程. 2009(09)
博士论文
[1]基于生成对抗网络的自监督表示学习研究及应用[D]. 翟中华.浙江大学 2018
硕士论文
[1]基于卷积神经网络的手势识别算法优化及嵌入式实现[D]. 张玉婷.西安邮电大学 2018
[2]基于LPPNet的图像特征提取及识别方法[D]. 肖美红.河南大学 2018
[3]FPGA加速卷积神经网络训练的研究与实现[D]. 魏小淞.西安电子科技大学 2018
[4]基于PYNQ的图像视觉显著性检测系统设计[D]. 董亦博.哈尔滨工业大学 2018
[5]基于头肩特征的行人检测研究与应用[D]. 张航.兰州理工大学 2018
[6]基于Zynq的深度学习图像分类识别系统的设计[D]. 黄伟杰.广东工业大学 2018
[7]基于深度学习的调制识别算法研究[D]. 吴彦伦.电子科技大学 2018
[8]深度学习在车牌识别中的应用研究[D]. 张宇澄.南京大学 2018
[9]基于FPGA的卷积神经网络系统的设计与实现[D]. 李泽坤.哈尔滨工业大学 2017
[10]基于Zynq的嵌入式图像特征提取系统设计与实现[D]. 杨宗明.西南交通大学 2017
本文编号：3458045
【文章来源】：桂林电子科技大学广西壮族自治区
【文章页数】：68 页
【学位级别】：硕士
【部分图文】：
高斯金字塔尺度空间的极值点，就是在DOG空间上，遍历空间内的每一个点，将这个点与
图 2-1 高斯金字塔的极值点，就是在 DOG 空间上，遍历空间内的每一个点，将点比较，只有当该像素点大于（或者小于）所有这些邻域的点极值点。但是每组图像的第一层和最后一层因没有可以比较值点。为了使尺度变换具有连续性，需要在每组图像的起始位图像。
第二章 图像特征点及神经网络技术基础, =, +1 , 1+1, 1,后，会用一个直方图来表示梯度，梯度方向的范成为 8 个柱（或 10 个柱），统计以上得到的那些每一个模值按照 1.5σ大小的高斯分布加成)，在得关键点的主方向。如图 2-3 所示的直方图，该图柱最高方向的就是主方向。在确定好特征点的主置和方向三个信息，并由这些信息就可以确定一
【参考文献】：
期刊论文
[1]深度学习算法在山区植被分类中的应用[J]. 王健. 价值工程. 2019(04)
[2]基于SIFT的新特征提取匹配算法[J]. 杨福嘉,郑丽颖. 应用科技. 2019(02)
[3]基于TensorFlow深度学习框架的卷积神经网络研究[J]. 袁文翠,孔雪. 微型电脑应用. 2018(02)
[4]深度神经网络并行化研究综述[J]. 朱虎明,李佩,焦李成,杨淑媛,侯彪. 计算机学报. 2018(08)
[5]基于Zynq的LBP人脸识别算法的实现[J]. 彭凌霄,符意德. 自动化技术与应用. 2016(12)
[6]基于SDSoC的SIFT特征点检测[J]. 张波,韩俊刚. 计算机技术与发展. 2016(12)
[7]基于深度学习的人脸识别方法的探究[J]. 王微. 信息与电脑(理论版). 2016(11)
[8]FPGA软硬件协同处理实时图像处理系统[J]. 沈淦松,叶玉堂,刘霖,刘娟秀. 光电工程. 2012(10)
[9]基于高斯金字塔与差分法的多目标检测和跟踪算法[J]. 姜靓,詹永照. 微电子学与计算机. 2011(11)
[10]图像特征点提取及匹配技术[J]. 杨晓敏,吴炜,卿粼波,华骅,何小海. 光学精密工程. 2009(09)
博士论文
[1]基于生成对抗网络的自监督表示学习研究及应用[D]. 翟中华.浙江大学 2018
硕士论文
[1]基于卷积神经网络的手势识别算法优化及嵌入式实现[D]. 张玉婷.西安邮电大学 2018
[2]基于LPPNet的图像特征提取及识别方法[D]. 肖美红.河南大学 2018
[3]FPGA加速卷积神经网络训练的研究与实现[D]. 魏小淞.西安电子科技大学 2018
[4]基于PYNQ的图像视觉显著性检测系统设计[D]. 董亦博.哈尔滨工业大学 2018
[5]基于头肩特征的行人检测研究与应用[D]. 张航.兰州理工大学 2018
[6]基于Zynq的深度学习图像分类识别系统的设计[D]. 黄伟杰.广东工业大学 2018
[7]基于深度学习的调制识别算法研究[D]. 吴彦伦.电子科技大学 2018
[8]深度学习在车牌识别中的应用研究[D]. 张宇澄.南京大学 2018
[9]基于FPGA的卷积神经网络系统的设计与实现[D]. 李泽坤.哈尔滨工业大学 2017
[10]基于Zynq的嵌入式图像特征提取系统设计与实现[D]. 杨宗明.西南交通大学 2017
本文编号：3458045
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3458045.html
