基于MDSP的并行图像匹配算法的设计与实现

论文摘要

图像匹配是图像处理的重要研究方向之一,也是图像融合、立体视觉、运动分析等图像分析技术的基础。通过研究基于多核DSP的并行图像匹配算法,提高算法的执行速度,对计算机视觉、目标跟踪等实时性要求较高的应用有十分重要的意义。本文深入研究了基于特征的图像匹配算法SIFT、PCA-SIFT和SURF,设计和实现了基于单核DSP的SIFT算法、PCA-SIFT算法、SURF算法,重点研究、设计和实现了基于多核DSP（MDSP）的并行SIFT算法、并行PCA-SIFT算法和并行SURF算法。主要的研究工作包括以下几个方面:1.深入研究了图像匹配算法。对图像匹配的相关研究进行概括和总结,重点研究了SIFT算法、PCA-SIFT算法和SURF算法,对算法的原理和实现细节进行了详细的研究。2.设计和实现了基于单核DSP的SIFT算法、PCA-SIFT算法和SURF算法。在深入研究算法原理的基础上,基于计算精度和运算复杂度的权衡,针对单核DSP体系结构的特点,对算法进行了合理的裁剪和优化;根据算法对存储空间的要求,优化了图像和中间结果的存放位置的设计,保证DSP存储空间的成功分配并提高了程序的稳定性和执行速度。对于初步匹配点中的误配点,本文设计和实现了基于RANSAC算法误配点剔除算法,剔除了存在的误配点。3.深入研究了基于多核DSP的并行图像匹配算法,设计并实现了基于MDSP体系结构的并行SIFT算法、并行PCA-SIFT算法和并行SURF算法。针对MDSP多核体系结构的特点,对SIFT算法、PCA-SIFT算法和SURF算法的实现流程进行详细的分析,提出了数据级并行算法方案。通过对图像进行合理的分割,四个DSP核同时提取图像特征;特征匹配时,每个DSP核依次作为主控结点,寻找实时图的匹配点。获得初步的匹配点后,采用基于RANSAC算法的误配点剔除算法,剔除存在的误配点。DSP核间的数据通信采用了QLink和SDP相结合的方式,充分开发MDSP的多级并行性。4.针对尺度变化、图像旋转、光照明暗变化、噪声影响和仿射变换五种图像形变,对设计的单核算法和多核并行算法进行综合测试实验。实验的结果为:SIFT的平均加速比为2.94,PCA-SIFT的平均加速比为2.996,SURF的平均加速比为3.7,表明SURF算法的并行性较好;在重复率方面,MDSP与单核DSP的重复率接近;算法对图像形变的适应性方面,SIFT算法对图像形变的综合适应能力最好,但运算速度慢,SURF算法的适应能力接近SIFT,但运算速度比SIFT快十倍左右,PCA-SIFT的综合适应性不如SIFT和SURF。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 选题背景及意义
• 1.2 基于特征的图像匹配相关研究
• 1.3 论文的组织结构
• 第二章 图像匹配概述和MDSP简介
• 2.1 图像的预处理
• 2.2 图像匹配的要素
• 2.3 图像匹配算法的分类
• 2.3.1 基于灰度的图像匹配
• 2.3.2 基于特征的图像匹配
• 2.3.3 基于其他理论的图像匹配
• 2.4 图像匹配效果的评价
• 2.5 MDSP概述
• 2.5.1 MDSP的体系结构
• 2.5.2 单核DSP
• 2.6 本章小结
• 第三章 基于MDSP的并行SIFT算法
• 3.1 SIFT算法
• 3.1.1 创建尺度空间
• 3.1.2 检测极值点
• 3.1.3 极值点的精确定位和过滤
• 3.1.4 计算极值点的特征描述符
• 3.2 基于单核DSP的SIFT算法
• 3.2.1 概念和数据结构
• 3.2.2 程序流程
• 3.2.3 误配点剔除算法
• 3.3 基于MDSP的并行SIFT算法
• 3.3.1 并行特征提取
• 3.3.2 并行特征匹配
• 3.4 SIFT算法对图像形变的匹配实验
• 3.4.1 图像样本
• 3.4.2 对尺度变化图像的匹配
• 3.4.3 对旋转图像的匹配
• 3.4.4 对光照变化图像的匹配
• 3.4.5 对噪声影响图像的匹配
• 3.4.6 对仿射变换图像的匹配
• 3.5 本章小结
• 第四章 基于MDSP的并行PCA-SIFT算法
• 4.1 PCA理论
• 4.1.1 方差和协方差
• 4.1.2 PCA的求解
• 4.1.3 PCA的性质
• 4.2 基于单核DSP的PCA-SIFT算法
• 4.3 基于MDSP的并行PCA-SIFT算法
• 4.4 PCA-SIFT算法对图像形变的匹配实验
• 4.4.1 对尺度变化图像的匹配
• 4.4.2 对旋转图像的匹配
• 4.4.3 对光照变化图像的匹配
• 4.4.4 对噪声影响图像的匹配
• 4.4.5 对仿射变换图像的匹配
• 4.5 本章小结
• 第五章 基于MDSP的并行SURF算法
• 5.1 SURF算法
• 5.1.1 积分图像
• 5.1.2 局部极值点检测算子
• 5.1.3 尺度空间
• 5.1.4 最值点的检测、精确定位和过滤
• 5.1.5 特征点的主方向
• 5.1.6 生成描述符
• 5.2 基于单核DSP的SURF算法
• 5.2.1 数据结构
• 5.2.2 程序流程
• 5.3 基于MDSP的并行SURF算法
• 5.4 SURF算法对图像形变的匹配实验
• 5.4.1 对尺度变化图像的匹配
• 5.4.2 对旋转图像的匹配
• 5.4.3 对光照变化图像的匹配
• 5.4.4 对噪声影响图像的匹配
• 5.4.5 对仿射变换图像的匹配
• 5.5 本章小结
• 第六章 SIFT、PCA-SIFT和SURF的比较
• 6.1 重复率的比较
• 6.2 运算速度和加速比的比较
• 6.3 本章小结
• 第七章 结束语
• 7.1 工作总结
• 7.2 展望及后续工作
• 致谢
• 参考文献
• 作者在学期间取得的学术成果