论文部分内容阅读
随着人类日常生活和信息科技的飞速发展，图像逐渐成为人们获取外界信息的必要手段，图像匹配技术的发展慢慢成为了人们关注的焦点。传统数字图像处理技术一般在PC机上完成和实现，功耗较大，耗时费力。随着嵌入式技术的发展，ARM、DSP等嵌入式系统芯片渐渐出现在人们的视线中，更向着智能化的方向发展。利用嵌入式系统进行图像处理不仅节省了时间，降低了成本，而且使得图像处理技术向着更加小型化、快速化的方向发展。 本文主要针对如何将图像特征点匹配算法成功移植到嵌入式系统中这一问题展开相关的研究。SIFT算法作为一种尺度不变性匹配算法已经能够得到较好的匹配效果，本文针对 SIFT算法的不足选择了在此基础上改进的 SURF算法，该算法在特征点检测的实时性和鲁棒性方面能够达到较好的效果，并引入积分图像和箱式滤波器，提高了图像匹配算法的运算速度并通过实验验证，得出该算法具有图像旋转、缩放、平移、尺度不变性以及对光照等条件影响较小的特点；本文选用的DSPC6000系列的TMS320DM642作为专门处理视频和图像的数字信号处理器，是目前处理视频图像最顶级的DSP芯片，文章对其硬件系统、软件集成环境CCS2.2以及系统的安装调试做了详细说明；为使SURF算法能够成功移植到DSP中，我们对SURF算法进行了相关的改进，一是在特征点检测阶段对算法进行阈值的调整和改进，控制特征点检测数量并减少了计算时间，使得程序能够完全脱离动态链接库 DLL的束缚并满足移植要求；二是针对原算法描述子在 CCS软件集成环境中运算复杂度高的问题，提出了利用三角特征和对角线特征的描述子改进方法，简化了实现过程，在减少匹配点数的情况下增强了算法的实时性，使得改进的算法能够应用在嵌入式系统中；三是对SURF算法的基础函数库，即OpenCV底层数据库进行了相关的移植。 通过最终的实验验证，我们得出的优化算法能够成功移植于DM642的软件环境中，探索了该算法在嵌入式系统上应用的可行性，为我们研究其他更加复杂的嵌入式图像处理算法提供了良好的开端。