[发明专利]一种SURF特征点提取加速方法及系统

说明书

本发明提供了一种SURF特征点提取加速方法及系统，属于局部特征检测领域，方法包括：逐个接收原始灰度图像中的像素值，结合上一行所有像素累加值之和，将原始灰度图像转换为积分图像；构建不同尺度的行fifo阵列，在每一个时钟周期接收m+1个积分图像的灰度值；构建寄存器计算单元暂存行fifo阵列中各积分图像的灰度值；对不同大小的积分图像并行计算不同尺度下黑森行列式金字塔；将黑森行列式金字塔输入至ARM端，通过非极大值抑制获取初始特征点，删除小于黑森行列式阈值的特征点；对剩余特征点采用双线性插值方法，获取特征点在尺寸空间中的位置坐标。本发明优化了缓存方式和计算方式，降低了SURF特征提取的延迟。

技术领域

本发明属于局部特征检测领域，更具体地，涉及一种SURF(Speeded-Up RobustFeatures)特征点提取加速方法及系统。

背景技术

图像特征检测提取是计算机视觉里的重要概念，是图像配准的核心步骤，而图像配准在图像拼接、图像检索和图像融合领域都有重要应用。目前图像特征检测和匹配方法主要是基于局部特征的特征匹配方法，主要方法有SIFT、SURF、ORB算法，其中，SURF算法尺度鲁棒性、旋转不变鲁棒性、尺度变换鲁棒性方面均有较大优势，是特征检测和匹配的主流方法，但其存在计算量大，计算速度慢的问题。

针对SURF算法计算量大、计算速度慢的特点，利用FPGA实现SURF算法加速是解决这一问题主流做法但是整个SURF特征功能点提取电路没有形成流水线工作，并未完全发挥SURF电路的工作效率。现有技术在设计SURF算法加速电路时对图像积分模块的数据位宽进行了优化，虽然降低存储空间的使用，但是未能充分发挥FPGA的性能。对于在FPGA上实现SURF算法加速的研究一直没有停过，研究者一直在致力于降低资源消耗和提高处理速度。然而在众多的研究中存在共性问题：没有充分优化缓存方式，没有尽可能将计算方式优化为并行计算。

发明内容

针对现有技术的缺陷，本发明的目的在于提供一种SURF特征点提取加速方法及系统，旨在解决现有利用FPGA实现SURF算法加速技术没有充分优化缓存方式，导致SURF特征提取效率较低的问题。

为实现上述目的，一方面，本发明提供了一种SURF特征点提取加速系统，包括：积分图像计算模块、数据遍历模块、黑森行列式计算模块和特征点坐标方向计算模块；

所述积分图像计算模块、数据遍历模块和黑森行列式计算模块设置在FPGA端，所述特征点坐标方向计算模块设置在ARM端；

所述积分图像计算模块用于逐个接收原始灰度图像中的像素值，结合积分图像缓冲寄存器传送的上一行所有像素累加值之和，通过计算并存储原始灰度图像中当前行各个像素的累加值作为积分图像各个像素的灰度值，将所述原始灰度图像转换为积分图像；

所述数据遍历模块包括不同尺度的行fifo阵列和寄存器计算单元；其中，所述行fifo阵列中包含m+1个行fifo，每个行fifo的深度为n；其中，m的取值不同代表不同的尺度；n≥m+1；所述寄存器计算单元为(m+1)*(m+1)大小的寄存器链；所述行fifo阵列用于在每一个时钟周期从积分图像计算模块中接收m+1个积分图像的灰度值，当计数每满一行则复位一次，积分图像的灰度值数据向下平移一行重新送入灰度值；所述寄存器计算单元用于暂存所述行fifo阵列中各积分图像的灰度值；

所述黑森行列式计算模块用于在每个时钟周期对存储在寄存器计算单元的不同大小的积分图像并行计算D_xx、D_yy、D_xy方向上的盒子滤波模板，获取不同尺度下黑森行列式金字塔；

所述特征点坐标方向计算模块用于将黑森行列式金字塔输入至ARM端，通过非极大值抑制获取初始特征点，再通过设定黑森行列式阈值，删除小于黑森行列式阈值的特征点；对剩余特征点采用双线性插值方法，获取特征点在尺寸空间中的位置坐标。