图像检索的算法的研究 ——图像检索中小波变换的FPGA实现

图像检索的算法的研究 ——图像检索中小波变换的FPGA实现

论文摘要

基于内容的图像检索(CBIR)技术是当前研究的热点问题。它主要是利用图像的视觉特征,如图像的颜色、纹理、形状等特征来进行检索。它突破了传统的基于文本检索技术的局限,直接对图像内容进行分析并抽取特征,然后利用这些内容特征建立索引并进行检索。本文对一种常用的纹理分析方法小波变换做了研究,它是一种可达到时(空)域或频率域局部化的时频域或空频域的分析方法,其多尺度分解特性符合人类的视觉机制,更加适用于图像信息的处理。而提升小波变换又是一类不采用傅立叶变换作为主要分析工具的小波变换新方法,它的提出大大简化了小波变换的计算,使其在实时信号处理领域得到广泛的应用。通过提升的方法很容易构造一般的整数小波变换,由于图像一般用位数较低的整数表示,整数小波变换可以将整数序列的图像矩阵映射成整数小波系数矩阵,这就大大简化了小波变换的硬件电路设计。在当今数字化和信息化时代背景下,研究具有高速硬件处理功能的可编程逻辑器件在图像处理算法领域的应用已经成为当今研究的热点。本文采用Altera公司的Cyclone II系列芯片,根据提升小波算法设计图像检索的小波变换模块。文章最核心的算法--提升格式小波变换的一维变换模块设计和二维变换模块设计是我们研究的重点。一维提升小波变换模块采用流水线电路结构,即把提升小波的分解、预测和更新等计算过程分成各个模块独立实现以提高运算效率。同样,二维小波变换模块在一维提升小波的基础上实现的,针对周期镜像边界延拓的运算特点,采用了“内嵌边界延拓”的电路结构,无需对输入数据进行预处理,并且在对电路时序进行详细分析的基础上,在关键路径上加入流水寄存器,提高了器件运行的速度。文章对提升小波变换的FPGA实现中的大量细节问题进行了讨论,给出了提升小波变换模块的电路原理图,并对原理图进行了仿真测试,仿真测试结果不仅表明了模块功能的正确性,而且表明小波模块可以满足相应领域的实际要求。

论文目录

  • 摘要
  • Abstract
  • 第一章 绪论
  • 1.1 研究的目的和意义
  • 1.2 图像检索的研究现状
  • 1.2.1 图像检索的主要方式
  • 1.2.2 图像检索的主要技术
  • 1.3 本课题的实际应用价值
  • 1.4 本文研究内容
  • 第二章 小波变换理论
  • 2.1 傅立叶变换
  • 2.2 加窗傅立叶变换
  • 2.3 连续小波变换
  • 2.4 离散小波变换
  • 2.5 小波变换的两种实现技术
  • 2.5.1 小波卷积模式
  • 2.5.2 小波提升模式
  • 2.6 提升算法的优点
  • 2.7 本章小结
  • 第三章 图像检索实验平台及开发环境
  • 3.1 FPGA/CPLD 简介
  • 3.2 可编程逻辑器件分类
  • 3.2.1 现场可编程逻辑器件(FPGA)概述
  • 3.3 实验平台,开发环境以及开发语言VHDL
  • 3.3.1 实验平台
  • 3.3.2 开发语言
  • 3.4 开发环境中硬件部分介绍
  • 3.5 本章小结
  • 第四章 二维提升小波变换的FPGA 实现
  • 4.1 5/3 提升小波算法分析
  • 4.2 一维5/3 提升小波电路的实现
  • 4.3 仿真结果
  • 4.4 二维5/3 提升小波变换的FPGA 的实现
  • 4.4.1 5/3 提升小波变换系统原理
  • 4.4.2 控制器的设计
  • 4.4.3 存储器和解交织模块的设计
  • 4.4.4 行变换模块的设计
  • 4.4.5 列变换模块的设计
  • 4.5 本章小结
  • 第五章 总结与展望
  • 5.1 总结
  • 5.2 展望
  • 致谢
  • 参考文献
  • 附录:作者在攻读硕士学位期间发表的论文
  • 相关论文文献

    • [1].基于内容语义的医学图像检索综述[J]. 科技视界 2020(04)
    • [2].基于多示例学习的图像检索方法[J]. 网络安全技术与应用 2019(04)
    • [3].基于机器学习的大规模船舶图像检索机制[J]. 舰船科学技术 2019(18)
    • [4].基于大数据的图像检索关键技术[J]. 电子技术与软件工程 2018(09)
    • [5].个性化图像检索和推荐[J]. 北京邮电大学学报 2017(03)
    • [6].特定区域的舰船图像检索研究[J]. 舰船科学技术 2020(12)
    • [7].基于深度学习的青藏高原畜牧业多目标动物图像检索研究[J]. 软件 2020(07)
    • [8].基于图像场景和语义信息的图像检索[J]. 中国高新科技 2018(01)
    • [9].基于深度学习与拓展查询的商标图像检索方法[J]. 网络新媒体技术 2018(01)
    • [10].分组排序多特征融合的图像检索方法[J]. 计算机研究与发展 2017(05)
    • [11].基于自反馈的动态权值图像检索方法[J]. 沈阳航空航天大学学报 2013(06)
    • [12].以计算机为基础的色彩图像检索方法与研究[J]. 计算机光盘软件与应用 2013(12)
    • [13].基于颜色特征与纹理特征的图像检索[J]. 硅谷 2012(06)
    • [14].基于盲取证的医学图像检索及语义表达研究综述[J]. 电脑知识与技术 2012(22)
    • [15].网络图像检索行为与心理研究[J]. 中国图书馆学报 2011(05)
    • [16].基于遗传算法的图像检索中特征权重自动调整[J]. 计算机工程与应用 2008(02)
    • [17].图像检索研究进展[J]. 南京工业职业技术学院学报 2008(02)
    • [18].基于兴趣点局部分布特征的图像检索研究[J]. 微型电脑应用 2019(12)
    • [19].基于内容的医学图像检索研究进展[J]. 激光与光电子学进展 2020(06)
    • [20].海量图像检索系统关键技术研究[J]. 信息与电脑(理论版) 2020(14)
    • [21].基于内容的医学图像检索综述[J]. 信息与电脑(理论版) 2020(15)
    • [22].基于内容的医学图像检索方法综述[J]. 重庆理工大学学报(自然科学) 2018(12)
    • [23].全局和局部特征的图像检索(英文)[J]. Journal of Central South University 2018(02)
    • [24].反馈机制的大规模舰船图像检索[J]. 舰船科学技术 2018(08)
    • [25].基于改进特征的图像检索方法研究[J]. 西北工业大学学报 2018(04)
    • [26].基于多图学习的情感图像检索研究[J]. 大连民族大学学报 2016(05)
    • [27].大数据分析技术在海量激光图像检索中的应用[J]. 数码世界 2020(01)
    • [28].基于移动Agent的图像检索[J]. 数码世界 2018(09)
    • [29].基于轻量级神经网络的服装图像检索[J]. 科学技术创新 2020(31)
    • [30].基于半监督学习的一种图像检索方法[J]. 计算机应用研究 2013(07)

    标签:;  ;  ;  

    图像检索的算法的研究 ——图像检索中小波变换的FPGA实现
    下载Doc文档

    猜你喜欢