基于FPGA的SIFT算法架构实现
本文选题:SIFT + FPGA ; 参考:《电子科技大学》2015年硕士论文
【摘要】:作为图像处理的重要组成环节,图像局部特征提取与匹配被广泛应用于多光谱分析、环境质量监测、景观规划、天气预警、超规模分辨率图像建立等领域,其相关算法的进一步改进也一直是图像处理领域研究的重点。本文主要研究基于图像局部特征的SIFT算法相关理论,及该算法的FPGA通用并行架构设计与实现等关键问题。本文首先对SIFT算法中所涉及的图像处理相关算法理论基础进行了简要介绍,主要包括尺度空间理论、斑点检测理论、边缘检测理论、角点检测理论等。在对每种理论的基本思想进行阐述的同时,举出具体实例进行分析。之后,重点对基于FPGA的SIFT图像局部区域特征提取与匹配的模块架构进行设计。整个系统模块设计分为三部分,即高斯尺度空间建立设计、关键点尺度空间定位设计、关键点描述与匹配设计。其中,高斯尺度空间建立主要包含图像二维高斯滤波模块,差分模块等。二维高斯核滤波模块将二维图像数据通过两个一维高斯核滤波,即行顺序滤波和列顺序滤波来达到滤波目的。关键点尺度空间定位设计主要包含关键点检测模块,关键点精确定位模块,低对比度与边缘响应去除模块等。这部分设计运用数字处理相关算法来处理较复杂的运算,如矩阵求逆运算、开方运算、反正切运算等,在保证运算精度的前提下,以较快速度和较小资源消耗来实现设计功能。关键点描述设计主要包含关键点描述矢量计算模块,通过插值运算,为关键点计算具有局部特征不变性的128维特征矢量。匹配设计主要是对两幅图片上的特征点的特征矢量进行欧几里德距离比较以找出满足匹配条件的特征点。在架构设计完成后,本论文还基于Xilinx的Virtex6系列芯片对系统整体及各个子模块做了相应的架构功能与时序仿真测试。仿真测试时,系统能够在多种环境下正确地完成图像局部特征提取与匹配。
[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.
【学位授予单位】:电子科技大学
【学位级别】:硕士
【学位授予年份】:2015
【分类号】:TP391.41
【共引文献】
相关期刊论文 前10条
1 孙晶;邢英杰;杨健;吴宇锋;;基于规范化LoG的尺度不变性兴趣点检测子[J];兵工学报;2009年06期
2 张少辉;沈晓蓉;范耀祖;;一种基于图像特征点提取及匹配的方法[J];北京航空航天大学学报;2008年05期
3 邓传斌;郭雷;李维;;基于SIFT的遥感图像配准方法[J];传感技术学报;2009年12期
4 朱庆;吴波;万能;徐志祥;田一翔;;具有良好重复率与信息量的立体影像点特征提取方法[J];电子学报;2006年02期
5 蔡红苹;雷琳;陈涛;粟毅;;一种通用的仿射不变特征区域提取方法[J];电子学报;2008年04期
6 常宝;张弓;;基于几何结构的SAR图像无监督变化检测方法[J];电子学报;2011年09期
7 杜馨瑜;李永杰;尧德中;李朝义;;基于图像导数框架和非负稀疏编码的颜色恒常计算方法[J];电子学报;2012年01期
8 冯晓伟;田裕鹏;;基于形状内容描述子的点特征匹配[J];光电工程;2008年03期
9 韩冰;王永明;孙继银;;加速的Fast Hessian多尺度斑点特征检测[J];光学精密工程;2011年07期
10 毕国玲;赵建;续志军;孙强;;基于角点和局部特征描述子的快速匹配算法[J];光电工程;2014年09期
相关博士学位论文 前10条
1 孔凡芝;引线键合视觉检测关键技术研究[D];哈尔滨工程大学;2009年
2 肖洁;视觉注意模型及其在目标感知中的应用研究[D];华中科技大学;2010年
3 章鹏;多尺度特征检测:方法和应用研究[D];中国科学技术大学;2010年
4 高飞;基于多视几何的三维脚型测量技术与系统[D];浙江大学;2010年
5 蔡红苹;基于局部特征的图像分类识别关键技术研究[D];国防科学技术大学;2010年
6 周文罡;基于局部特征的视觉上下文分析及其应用[D];中国科学技术大学;2011年
7 朱淑亮;基于视频图像分析与信息融合的驾驶员疲劳检测技术研究[D];山东大学;2011年
8 周磊;基于注意机制的煤矿监控图像知觉编组研究[D];中国矿业大学;2010年
9 林睿;基于图像特征点的移动机器人立体视觉SLAM研究[D];哈尔滨工业大学;2011年
10 刘建军;基于图像局部不变特征的类属超图构建与目标识别技术研究[D];国防科学技术大学;2010年
相关硕士学位论文 前10条
1 倪希亮;基于尺度不变特征的多源遥感影像配准[D];山东科技大学;2010年
2 黄令允;基于自适应阈值的SIFT算法研究及应用[D];大连理工大学;2010年
3 林秉雄;SIFT特征匹配标准与匹配方式的改进与应用[D];大连理工大学;2010年
4 熊超;视频图像中运动车辆检测与跟踪技术的研究[D];南昌大学;2010年
5 兰远鸽;基于SAR影像的变化检测技术研究[D];解放军信息工程大学;2010年
6 夏朝贵;公文印鉴鉴别技术研究[D];解放军信息工程大学;2010年
7 张俊;基于局部特征集合的图像匹配技术研究与应用[D];浙江大学;2011年
8 康令州;红外序列图像斑块目标检测及实现[D];电子科技大学;2011年
9 张新;基于特征点的图像拼接算法研究[D];山东经济学院;2011年
10 杜艺;空中三角测量中航线间公共点的自动提取技术研究[D];中国测绘科学研究院;2011年
,本文编号:1862240
本文链接:https://www.wllwen.com/wenyilunwen/huanjingshejilunwen/1862240.html