赵宇凡开题报告-基于图像特征提取与匹配的目标识别系统设计.doc

北京联合大学毕业设计（论文）开题报告题目： 基于图像特征提取与匹配的目标识别系统设计 专业： 通信工程 指导教师： 韩玺 学院： 信息学院 学号： 30 班级： 2008080304430 姓名： 赵宇凡 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, 64MNANDflash, 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，【2】【3】/view/2832304.htm【4】/v8850239.htm【5】Allegro PCB Design CIS Getting Started Guide,【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 Users Guide，三、初步设计方法与实施方案1、设计方法：对比后结果特征点对比提取的特征点DM6437处理核心外部图像首次提取的图像特征点特征点存储器（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