论文部分内容阅读
图像匹配技术是处理图像数据信息的核心技术,许多机器视觉的具体应用,如物体识别、图像配准、运动对象检测与跟踪等都以图像匹配技术为基础。其中的特征点匹配算法具有鲁棒性强、匹配效率高的特点。视觉芯片在图像处理上有处理速度快、资源占用少、适用场景多等特点,因此研究面向视觉芯片的特征点匹配算法成为了当前图像匹配技术的研究重点与热点。本文针对图像特征点匹配算法在面向可编程视觉芯片系统中的应用进行了研究,主要工作如下：(1)分析了SIFT(Scale-Invariant Feature Transform)和BRIEF(Binary Robust Independent Elementary Features)算法的特点和不足：原始的SIFT算法包括大量复杂的浮点乘法运算,不适用于视觉芯片系统；而BRIEF算法在提取特征点方面的效率较低,容易产生大量无效信息。通过分析以上各自算法的特点,为后续提出图像特征点匹配的改进算法提供了理论依据；(2)分析了可编程视觉芯片的多级并行处理特征和图像匹配流程。在此基础上提出了一种适用于视觉芯片的OBF-SIFT (Oriented BRIEF-SIFT)图像特征匹配算法。该算法改进了SIFT算子提取特征点的方法,以适用于视觉芯片,并针对SIFT算子描述特征点的方法复杂度高的特性,提出了一种改进的BRIEF二进制描述子。通过BRIEF描述方法对SIFT算子进行了改进,改进后的算子可以通过Hamming距离进行相似性度量；(3)通过实验对本文提出的算法进行了测试和分析,实验结果表明本文提出的算法可以完成匹配任务且具有较快匹配速度。同时,通过测试不同参数设置下该算法的图像匹配效率,展示了最优匹配时的匹配效果。通过实验验证了算法在视觉芯片上的实用性。综上,本文从视觉芯片的原理入手结合图像处理的数学基础,开展了面向视觉芯片的特征点匹配算法的初步研究,改进设计了适用于可编程视觉芯片架构的特征点匹配算法,使其适用于芯片系统,并提高了算法的实时性,验证了算法在可编程视觉芯片上的实用性。