基于FPGA的卷积与时序优化的图像关键点检测的方法

摘要

基于FPGA的卷积与时序优化的图像关键点检测的方法，涉及图像处理技术领域。解决了现有的基于软件的图像特征点检测方法由于计算量大导致无法实时进行图像处理的问题。本发明先构建高斯金字塔，然后，构造差分高斯尺度空间；在差分高斯尺度空间中找到极值点，最后筛选特征点完成基于FPGA的卷积与时序优化的图像关键点检测。本发明适用于进行图像关键点检测。

主权项

基于FPGA的卷积与时序优化的图像关键点检测的方法，其特征在于，该方法的步骤为：步骤一、构建高斯金字塔：采用标准差σ不同的高斯函数G(x,y,σ)分别对待检测图像进行卷积处理，构造高斯尺度空间函数L(x,y,σ)，将高斯尺度空间划分为O组，每组分为s层；其中，x和y分别为高斯函数的自变量和变量；O、s均为正整数；采用标准差σ不同的高斯函数G(x,y,σ)分别对待检测图像进行卷积处理的方法为：利用高斯核可分离的特性利用FPGA处理器，将二维卷积转化为横纵两个一维卷积对图像进行处理；二维高斯核分解成为横纵两个一维高斯函数的卷积通过公式：G(x,y,σ)＝h(x,σ)*v(y,σ)$h(x,\sigma )=\frac{1}{\sqrt{2\pi }\sigma }\exp [-\frac{x^2}{{2\sigma }^2}]$$v(y,\sigma )=\frac{1}{\sqrt{2\pi }\sigma }\exp [-\frac{y^2}{{2\sigma }^2}]$并采用基于FPGA的行卷积模块对待检测图像进行行卷积处理，再经行列转换模块对行卷积图像信息进行转换，转换后的图像信号经基于FPGA的列卷积模块对图像信息的列卷积处理；步骤二、构造差分高斯尺度空间函数；高斯尺度空间的每组中相邻尺度图像层的差为差分高斯尺度空间函数D(x,y,σ)；步骤三、在差分高斯尺度空间中找到极值点；采用基于FPGA的灰度值大小比较模块对每一个采样点的灰度值和它所有相邻的点灰度值进行比较，若一个点的灰度值如果在差分高斯尺度空间本层以及上层和下层的邻域中灰度值都是最大或最小值时，采用判断模块对基于FPGA的灰度值大小比较模块输出的最大或最小值是否位于中间层进行判断，如果是，则该最大值或最小值点作为图像在该尺度下的极值点输出，如果不是，删除该最大值或最小值点；步骤四、筛选特征点；在检测到的极值点中，去除对比度低的点和不稳定的边缘响应点，完成基于FPGA的卷积与时序优化的图像关键点检测。