基于CUDA的高分辨率視頻圖像幀間配準與目標定位快速實現(xiàn).pdf

1、復雜背景下圖像配準與定位是目標檢測、識別的關鍵技術。高分辨率視頻圖像數(shù)據量巨大，需要對圖像配準與定位算法加速處理。
　　復雜背景圖像間存在的旋轉、尺度、視角變化給圖像配準與目標定位帶來困難，研究這些變化對圖像配準的影響，建立圖像配準變換模型，明確目標與背景相對運動以及相對尺寸變化對目標定位的影響，對目標定位算法進行分類。
　　SIFT特征對旋轉、尺度、視角變化具有不變性，研究基于SIFT的高分辨率視頻圖像配準算法，提出適用于

2、CUDA并行計算的矩陣相關系數(shù)特征匹配算法，實現(xiàn)SIFT特征矢量匹配。提出基于模型解算與檢驗的RANSAC并行模型，實現(xiàn)匹配點對提純及變換模型解算。在此基礎上實現(xiàn)基于SIFT的高分辨率視頻圖像配準CUDA加速并行算法。
　　基于SIFT的高分辨視頻圖像配準算法性能優(yōu)良、配準精度高，但由于算法復雜，經CUDA并行加速后仍難以實時處理。圖像局部二值不變特征比 SIFT特征簡單，在保證一定的配準精度下，特征提取及匹配速度快。研究基于二值

3、特征的高分辨率視頻圖像配準算法，提出改進ORB算法，構建高斯金字塔解決尺度變化問題，通過重復點刪除及非極大值抑制使特征點分布均勻，提高配準效果。研究算法可并行性，實現(xiàn)基于改進 ORB的高分辨率視頻圖像幀間實時配準CUDA并行算法。
　　研究目標與背景相對運動及相對尺寸變化下的目標定位算法，提出目標定位模式判斷系數(shù)和多策略目標定位算法，根據目標狀態(tài)選擇不同算法，提高算法穩(wěn)定性。研究算法可并行性，實現(xiàn)基于CUDA的高分辨率視頻圖像目標