基于HIPs图像匹配算法的研究与实现

论文摘要

随着社会的进步，物体跟踪是在军用和民用方面都发挥着越来越重要的作用，作为跟踪方法之一的图像匹配跟踪方法也越来越受到人们的关注，因此，对图像匹配跟踪技术进行研究并开发实时跟踪系统具有重大意义。本论文对一种新型的图像匹配算法做了深入研究，结合DSP优化技术在嵌入式平台上实现了基于该算法的实时跟踪，并取得了良好的实验效果。本文首先对现有的图像匹配算法做了研究，大致可以分为三类，分别是基于灰度的图像匹配、基于描述不变特征点的图像匹配和基于分类器的图像匹配。对比分析这三类算法的特点，然后深入研究了一种新型的基于描述不变特征点的图像匹配算法，该方法将特征点图像块的像素灰度进行量化、统计来得到独立直方图模型，文献中作者将这种模型称为HIP（Histogrammed Intensity Patch）模型，将该算法记做HIPs（HistogrammedIntensity Patches）算法。与传统的基于描述不变特征点匹配的方法相比，HIPs算法步骤简单，操作方便，可以大大地降低实时匹配过程中的运算量，适合用于嵌入式跟踪系统的开发。本文使用MATLAB软件对算法进行编程实现，验证算法的效果。在训练阶段分别采用不同图像、不同参数进行训练，并根据不同训练结果得到的匹配情况，总结各种因素对匹配效果的影响；在算法的特征点检测阶段和匹配点评估阶段，尝试采用不同的实现方法，通过对比分析，最终采用FAST（Features from Accelerated Segment Test）特征点检测方法和PROSAC（Progressive Sample Consensus）匹配点评估方法，以使图像匹配效果达到最好。接着本文分析以DM642DSP为核心的嵌入式实验平台，包括其实现环境、DSP芯片结构特征、系统的框架结构和各个功能模块的工作原理等。结合算法特点，将HIPs图像匹配算法移植到DM642硬件平台上。由于MATLAB编程与DSP编程的不同，移植中对MATLAB训练结果的格式进行了适当调整，顺利完成MATLAB训练结果与DSP程序的对接。最后，使用多种DSP优化技术对嵌入式跟踪系统进行了优化，有效提高了图像匹配跟踪的实时性，并获得了良好的跟踪效果。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题研究背景
• 1.2 国内外研究现状
• 1.3 本论文主要研究内容和结构
• 第二章 图像匹配算法研究
• 2.1 相关工作
• 2.1.1 特征点检测
• 2.1.2 匹配点评估方法
• 2.2 图像匹配经典算法
• 2.2.1 SIFT 算法
• 2.2.2 Ferns 算法
• 2.3 HIPs 图像匹配算法
• 2.3.1 算法原理概述
• 2.3.2 训练阶段
• 2.3.3 运行阶段
• 2.4 MATLAB 实现并验证算法
• 2.4.1 算法验证过程
• 2.4.2 HIPs 算法与 SIFT 算法实验对比
• 2.4.3 算法匹配效果展示
• 2.4.4 MATLAB 验证算法总结
• 2.5 本章小结
• 第三章 图像匹配算法实现环境介绍
• 3.1 硬件环境介绍
• 3.1.1 DM642 DSP 芯片
• 3.1.2 VMD642-C 嵌入式平台
• 3.1.3 TDS510 XDS510 仿真器及其他设备
• 3.2 软件环境介绍
• 3.2.1 CCS 集成开发环境
• 3.2.2 库函数
• 3.3 本章小结
• 第四章 图像匹配算法实现及优化
• 4.1 准备工作
• 4.2 软件设计及功能模块设计
• 4.2.1 程序加载
• 4.2.2 系统初始化
• 4.2.3 图像采集
• 4.2.4 HIPs 算法图像处理
• 4.2.5 显示结果
• 4.3 优化技术介绍
• 4.3.1 编译选项优化
• 4.3.2 存储空间优化
• 4.3.3 EDMA 优化
• 4.3.4 代码优化
• 4.4 算法实现调试过程及优化
• 4.4.1 图像采集调整与优化
• 4.4.2 特征点描述子生成
• 4.4.3 寻找匹配点对
• 4.4.4 匹配点评估并计算仿射矩阵
• 4.5 实验结果展示及分析
• 4.5.1 匹配跟踪结果展示
• 4.5.2 优化效果
• 4.6 本章小结
• 第五章 总结与展望
• 5.1 论文工作总结
• 5.2 工作展望
• 参考文献
• 攻读硕士学位期间取得的研究成果
• 致谢
• 附件