SIFT算法的圖像特征處理模塊的芯片設(shè)計(jì)研究.pdf

1、SIFT(Scale Invariant Feature Transform)算法是一種以尺度空間為觀察對(duì)象，研究圖像在尺度空間內(nèi)所具有的各種不變性的特征提取與描述算法。與傳統(tǒng)的同類算法不同的是，SIFT算法模擬了人類視覺系統(tǒng)在觀察時(shí)的遠(yuǎn)近視角，使對(duì)于圖像的特征描述更為準(zhǔn)確。除尺度不變性外，SIFT算法提取的特征點(diǎn)同時(shí)保證了旋轉(zhuǎn)不變性、亮度不變性，以及一定的仿射不變性與抗噪能力。SIFT算法的出現(xiàn)極大程度的提升了圖像匹配與定位、圖像配準(zhǔn)

2、、模式識(shí)別與跟蹤等相關(guān)領(lǐng)域的處理精度，并以此為基礎(chǔ)衍生出了一系列具有優(yōu)異性能的新型特征提取與描述算法。因此，SIFT算法具有非常重要的實(shí)用價(jià)值與研究意義。
　　隨著VLSI與FPGA技術(shù)的發(fā)展，硬件系統(tǒng)已具備了比軟件平臺(tái)更快的處理速度，并具有了足夠完成圖像處理計(jì)算的硬件資源。通過將SIFT算法向硬件平臺(tái)移植，可以進(jìn)一步擴(kuò)展SIFT算法的應(yīng)用范圍，提升圖像匹配等綜合系統(tǒng)的處理能力，并推動(dòng)相關(guān)數(shù)學(xué)理論的實(shí)踐與發(fā)展。
　　本文以S

3、IFT算法“特征點(diǎn)提取”部分為研究對(duì)象，以Lowe教授提出的數(shù)學(xué)理論為基礎(chǔ)，參考OpenCV中SIFT算法的標(biāo)準(zhǔn)軟件程序，并結(jié)合國內(nèi)外學(xué)者的研究成果，提出了SIFT算法硬件系統(tǒng)設(shè)計(jì)方案。本文主要內(nèi)容包括:
　　首先，本文詳細(xì)整理并總結(jié)了SIFT算法的全部計(jì)算過程，對(duì)于關(guān)注度較低或存在一定不準(zhǔn)確解讀的環(huán)節(jié):“尺度空間及其連續(xù)性原理”、“高斯函數(shù)及其參數(shù)設(shè)置”做出了重點(diǎn)分析與強(qiáng)調(diào);
　　其次，本文整理了OpenCV中SIFT算法

4、數(shù)學(xué)計(jì)算過程的程序設(shè)計(jì)方案，總結(jié)了從原理到程序這一過程中對(duì)算法的調(diào)整與限制。同時(shí)，結(jié)合硬件平臺(tái)需求與約束，對(duì)算法各步驟做了進(jìn)一步調(diào)整與優(yōu)化，提出了適合硬件平臺(tái)實(shí)現(xiàn)的SIFT算法計(jì)算步驟。主要調(diào)整與優(yōu)化內(nèi)容包括:固定輸入圖像尺寸、限制數(shù)據(jù)精度、調(diào)整高斯金字塔生成方式、限制高斯模板尺寸、去除“極值點(diǎn)精確定位”與“剔除不穩(wěn)定極值點(diǎn)”過程、調(diào)整梯度計(jì)算公式等;
　　然后，本文提出了合理設(shè)置SIFT算法硬件系統(tǒng)結(jié)構(gòu)的重要性，并指出以“流水線

5、結(jié)構(gòu)”作為本文系統(tǒng)的設(shè)計(jì)方案。通過使用“流水線結(jié)構(gòu)”，可以最大程度的利用寄存器資源，并減少系統(tǒng)的處理時(shí)間。同時(shí)，根據(jù)SIFT算法各步驟間的相似性，創(chuàng)新性的提出了“模塊化設(shè)計(jì)”方案。該方案旨在提前將“流水線結(jié)構(gòu)”分解為具有不同功能的基本模塊，并將各基本模塊設(shè)計(jì)為模板的形式方便調(diào)用與例化。“流水線結(jié)構(gòu)”與“模塊化設(shè)計(jì)”均強(qiáng)調(diào)對(duì)于時(shí)間的精確控制。本文在此基礎(chǔ)上完成了SIFT算法硬件系統(tǒng)的設(shè)計(jì);
　　最后，本文通過將硬件系統(tǒng)與軟件平臺(tái)相結(jié)