特征提取开题报告

时间:2018-09-20 开题报告 我要投稿

  特征提取基于内容的图像检索技术通过提取图像的内容特征,包括颜色、纹理、形状等,生成图像特征库。查询时,系统抽取用户提供的示例图像的特征,与特征库中存储的图像特征进行比较匹配,计算示例图像与图像库中各图像的相似度,最后按相似度从大到小的顺序输出给用户。

  一、 课题任务与目的

  1、课题的主要任务:以DSP平台为系统硬件平台,并基于DM6437为处理器核心,设计硬件原理图,编写特征点提取算法,使系统通过特征点匹配对静态目标进行识别。

  2、课题的主要目的:设计并实现一个功能完整,操作简单的目标识别系统,使其能够对静态图像目标进行特征提取与匹配,从而进行目标识别。

  二、调研资料情况

  1、课题的学术状态:

  (1)DM6437关键特性

  时钟频率达 600MHz, 1个TVP5146M2视频解码器4个视频DACV输出,128MDDR2DRAM,提供16M non-volatile flash memory, 64M NAND flash, 2M SRAM 提供UART, CAN,I/O接口,AIC33 立体音频编码器,10/100 MBS以太网接口,可配置的 boot load 选项,嵌入式的 JTAG 仿真器接口,4个用户LEDs及4个用户切换点,提供子板扩展插槽,VLYNQ接口,提供S/PDIF接口。

  (2)SIFT算法

  从理论上说,SIFT是一种相似不变量,即对图像尺度变化和旋转是不变量。然而,由于构造SIFT特征时,在很多细节上进行了特殊处理,使得SIFT对图像的复杂变形和光照变化具有了较强的适应性,同时运算速度比较快,定位精度比较高。如:在多尺度空间采用DOG算子检测关键点,运算速度大大加快;关键点的精确定位不仅提高了精度,而且大大提高了关键点的稳定性;在构造描述子时,以子区域的统计特性,而不是以单个像素作为研究对象,提高了对图像局部变形的适应能力;对于16*16的关键点邻域和4*4的子区域,在处理梯度幅度时都进行了类似于高斯函数的加权处理,强化了中心区域,淡化了边缘区域的影响,从而提高了算法对几何变形的适应性;该方法不仅对通用的线性光照模型具有不变性,而且对复杂的光照变化亦具有一定的适应性。

  SIFT算法的特点:1. SIFT特征是图像的局部特征,其对旋转、尺度缩放、亮度变化保持不变性,对视角变化、仿射变换、噪声也保持一定程度的稳定性;2. 独特性(Distinctiveness)好,信息量丰富,适用于在海量特征数据库中进行快速、准确的匹配;3. 多量性,即使少数的几个物体也可以产生大量的SIFT特征向量;4. 高速性,经优化的SIFT匹配算法甚至可以达到实时的要求;5. 可扩展性,可以很方便的与其他形式的特征向量进行联合。

  2、参考文献

  【1】《TMS320DM6437 Datasheet》,http://www.ti.com

  【2】http://www.zhishiol.com

  【3】http://baike.baidu.com/view/2832304.htm

  【4】baike.soso.com/v8850239.htm

  【5】《Allegro PCB Design CIS Getting Started Guide》,http://www.cadence.com

  【6】周建雄,张笑微《基于DM6437 的运动目标检测系统》,《信息化纵横》2009年第12期

  【7】《C/C++图像处理编程》,清华大学出版社

  【8】孙艳丽,李建海,王玲玲,孙晶《基于SIFT的多焦距图像特征点提取算法》,《现代电子技术》2010 年第23 期总第334 期

  【9】蒋建国,李明,齐美彬《基于TMS320DM6437的运动目标实时检测与跟踪》,合肥工业大学学报(自然科学版)2011年7月第34卷第7期

  【10】《OrCAD Capture User's Guide》,http://www.cadence.com

  三、初步设计方法与实施方案

  1、设计方法:

  (1)、将外部图像传输到DM6437处理器。

  (2)、在DM6436处理器中利用Sift算法对特征点进行提取。

  (3)、将提取的特征点与以存特征点进行比对。

  (4)、将对比结果进行反馈。

  2、实施方案:

  (1)、基于Sift算法设计特征点提取算法

  (2)、设计硬件原理图

  (3)、基于Matlab软件进行仿真

  (4)、对仿真结果进行分析,并对不足处进行改进与优化

  (5)、编写基于该DSP硬件平台的演示工程文件

  四、预期结果

  1、主要内容:本课题旨在设计出一套目标识别系统,通过图像特征提取与匹配算法实现目标的识别,图像数据由前端传输给出,系统硬件平台使用DSP平台。

  2、预期结果:本课题结束后,基本应可以对静态图像目标进行特征点的提取与匹配,并对匹配后的结果进行反馈。

  五、进度计划

  第1周:查找相关资料对课题进行初步了解,撰写开题报告

  第2周:深入研究课题内容,对系统各部分模块进行了解。

  第3-4周:对DM6437处理器核心进行研究

  第5周:设计硬件原理图

  第6-7周:研究SIFT算法

  第8周:编写特征点提取算法

  第9周:编写图像处理程序。

  第10周:基于Matlab软件制作仿真文件

  第11周:分析仿真文件

  第12周:制作PCB原理图

  第13周:系统测试及调试

  第14周:撰写毕业论文

  第15周:准备毕业答辩

  第16周:毕业答辩

特征提取开题报告相关推荐