基于SoC技術(shù)的遙感圖像快速匹配方法研究.pdf

1、遙感圖像的自動解譯是一個重要的研究領(lǐng)域，而圖像匹配是自動解譯技術(shù)的關(guān)鍵一環(huán)。近幾十年來，圖像匹配技術(shù)一直是計算機視覺領(lǐng)域研究的熱點和難點。隨著傳感器技術(shù)的飛速發(fā)展，遙感圖像的分辨率越來越高，圖像尺寸和信息量也越來越大，這都加大了圖像匹配的難度、復(fù)雜度和計算量。目前，匹配效果較好的一類算法，在處理大幅圖像時，一般都難以滿足實時性。滿足圖像匹配處理的實時性，要從算法設(shè)計、軟硬件協(xié)同實現(xiàn)等多種途徑著手，綜合解決問題。本文針對實時圖像匹配的實際

2、需要，研究圖像匹配處理的實時性實現(xiàn)問題，具有重要的理論意義和應(yīng)用價值。
　　目前，圖像匹配算法主要分為基于特征的和基于灰度的兩大類，其中，基于特征的算法，由于處理效果好、算法魯棒性強等特點，在非實時處理領(lǐng)域得到了廣泛應(yīng)用，但這類算法計算量大，難以滿足嵌入式應(yīng)用領(lǐng)域的實時性要求。隨著芯片技術(shù)特別是可編程芯片以及SoC技術(shù)的飛速發(fā)展，利用芯片設(shè)計和并行處理技術(shù)來實現(xiàn)圖像匹配算法，具備了物質(zhì)基礎(chǔ)。現(xiàn)在，基于20納米CMOS工藝的某些FP

3、GA芯片，集成度已達幾億個晶體管的水平，時鐘主頻接近GHz，因此基于SoC FPGA的方式必將因為集成度高、功耗低、體積小等突出優(yōu)勢，而逐步成為嵌入式領(lǐng)域圖像處理的主流方式。本文采用了基于SoC FPGA的方式來實現(xiàn)圖像匹配算法。
　　本文從算法設(shè)計和芯片及系統(tǒng)設(shè)計兩個角度，針對嵌入式遙感圖像處理的實際需要，對圖像的快速匹配方法進行理論和技術(shù)研究，主要研究工作包括:
　　1)提出了一種采用混合尺度搜索策略實現(xiàn)大幅圖像快速匹配

4、的新算法。將指數(shù)的和線性的兩種尺度變換方式結(jié)合起來，分別用于圖像的粗匹配和精匹配，可大大降低匹配計算量。采用指數(shù)尺度變換策略時，利用小波變換的低頻子帶圖像來求取圖像匹配的粗略位置，并以此位置為搜索起點，在原始圖像中用線性尺度變換方法求取局部的、最終的精確位置。在粗、精兩種匹配過程中，可采用基于特征和線性尺度變換的算法進行特征檢測和描述，如SIFT算法，這類算法匹配概率大、精度高但計算復(fù)雜、運算耗時多。小波變換的低頻子圖保留了圖像的主要特

5、征，初始搜索可以獲得主要特征的大致位置，采用多次二維小波變換，可大大壓縮初始搜索范圍，如2次小波變換后，得到的低頻子圖只有原圖的1/16，在此子圖上進行特征搜索要容易得多。目前SIFT算法采用線性的尺度伸縮變換，這種方式導致圖像處理速度慢，計算量難以削減。理論分析和軟件數(shù)值仿真表明，本文新提出的算法可將SIFT算法的計算量減少至原來的1/3，同時，算法的小波變換、特征提取和匹配可分開處理，便于硬件電路的并行設(shè)計。
　　2)研究和提

6、出了圖像粗匹配時用于空間壓縮的小波濾波器設(shè)計方法和約束條件。圖像的高低頻信息分別描述了圖像的局部特征和全局特征。要實現(xiàn)圖像的高低頻分解并用低頻子圖進行粗匹配，需設(shè)計小波分解濾波器，而小波濾波器用提升格式小波變換來實現(xiàn)。與線性尺度變化的SIFT算法不同，提升格式小波變換的尺度變化是指數(shù)型的，由小波變換產(chǎn)生的尺度集是SIFT算法產(chǎn)生的尺度集的稀疏子集。在同一尺度上，小波變換產(chǎn)生的低頻濾波效果應(yīng)與SIFT算法的基本相同，這樣才不會改變圖像特征

7、矢量。圖像匹配依據(jù)圖像的特征（即描述子）做相似性度量，本文根據(jù)小波及其濾波器的特性，研究了小波變換對描述子的影響，得出了大幅圖像快速匹配算法中小波濾波器設(shè)計的約束性條件。
　　3)針對經(jīng)典SIFT算法，基于集成電路技術(shù)提出了一種新的硬件SIFT處理電路。經(jīng)典SIFT算法采用串行計算模式，大量運用浮點計算、曲線擬合、串行迭代、線性插值等方法。要在集成電路上實現(xiàn)SIFT算法，需要采用并行處理的方式重新設(shè)計算法的各個功能模塊。本文采用并

8、行結(jié)構(gòu)、定點運算、存儲復(fù)用和分布式數(shù)據(jù)管理等技術(shù)設(shè)計了SIFT算法的專用處理集成電路。為保證算法的旋轉(zhuǎn)不變性，本文提出了鄰域信息的極點分布提取和子模塊重排序方法。與SIFT算法相比，新方法不需要浮點數(shù)的乘法運算和額外的存儲空間，只需通過地址搜索和數(shù)據(jù)統(tǒng)計即可。同時，為降低相似性度量算法的復(fù)雜度，本文提出了一種特征二值型描述方法，新型特征矢量采用漢明距離進行相似性度量，這種度量方式比歐式距離更適合并行電路的設(shè)計。性能驗證表明，采用集成電路

9、實現(xiàn)的改進SIFT算法，不但有較高的匹配精度，同時算法速度滿足實時性。
　　4)研究并提出了利用圖像紋理進行特征分布預(yù)判，實現(xiàn)遙感圖像匹配加速的方法。圖像匹配的運算時間與圖像大小成正比，對于特征點非均勻分布的大幅圖像，如果能預(yù)先了解特征點分布的統(tǒng)計特性，就可針對性地減少特征點稀疏區(qū)域的無用功計算，從而提高匹配速度。遙感圖像中的不同地貌，其特征點分布的統(tǒng)計特性差異較大。定量分析不同地貌的紋理特征，可預(yù)判圖像的空間復(fù)雜度，在采用混合尺

10、度搜索策略進行圖像匹配之前，實現(xiàn)粗細兩級匹配方式的無監(jiān)督選擇。對于集成電路實現(xiàn)的圖像匹配，預(yù)判模塊可作為前置模塊，采用流水線方式與匹配系統(tǒng)相接，這樣可以有效縮減整個匹配操作的計算量，實現(xiàn)遙感圖像的匹配加速。
　　5)研究了本文新提出的圖像匹配算法的SoC FPGA芯片的設(shè)計問題。在Xilinx Zynq7000系列SoCFPGA芯片里，設(shè)計和實現(xiàn)了圖像匹配算法的主要模塊。Xilinx Zynq7000系列芯片內(nèi)含Xilinx的FP

11、GA陣列PL和ARM的Cortex-M9雙核處理器PS，PL和PS通過嵌入式Linux操作系統(tǒng)進行管理和調(diào)度。匹配算法中的小波變換、紋理預(yù)估和SIFT特征描述子提取等耗時模塊采用PL資源來實現(xiàn)，描述子的匹配在PS中完成，兩者之間利用Xilinx的AXI總線進行數(shù)據(jù)交互。系統(tǒng)數(shù)據(jù)的輸入和輸出通過Linux啟動相應(yīng)的I/O處理IP核，并利用千兆以太網(wǎng)接口與外界交互數(shù)據(jù)。芯片內(nèi)部的軟件設(shè)計，采用了多線程技術(shù)，將軟件計算動態(tài)分配到兩個CPU核中