此资料由网络收集而来，如有侵权请告知上传者立即删除。资料共分享，我们负责传递知识。特征提取开题报告特征提取基于内容的图像检索技术通过提取图像的内容特征，包括颜色、纹理、形状等，生成图像特征库。查询时，系统抽取用户提供的示例图像的特征，与特征库中存储的图像特征进行比较匹配，计算示例图像与图像库中各图像的相似度，最后按相似度从大到小的顺序输出给用户。一、课题任务与目的1、课题的主要任务：以DSP平台为系统硬件平台，并基于DM6437为处理器核心，设计硬件原理图，编写特征点提取算法，使系统通过特征点匹配对静态目标进行识别。2、课题的主要目的：设计并实现一个功能完整，操作简单的目标识别系统，使其能够对静态图像目标进行特征提取与匹配，从而进行目标识别。二、调研资料情况1、课题的学术状态：(1)DM6437关键特性时钟频率达600MHz，1个TVP5146M2视频解码器4个视频DACV输出，128MDDR2DRAM，提供16Mnon-volatileflashmemory,64MNANDflash,2MSRAM提供UART,CAN，I/O接口，AIC33立体音频编码器，10/100MBS以太网接口，可配置的bootload选项，嵌入式的JTAG仿真器接口，4个用户LEDs及4个用户切换点，提供子板扩展插槽，VLYNQ接口，提供S/PDIF接口。(2)SIFT算法从理论上说，SIFT是一种相似不变量，即对图像尺度变化和旋转是不变量。然而，由于构造SIFT特征时，在很多细节上进行了特殊处理，使得SIFT对图像的复杂变形和光照变化具有了较强的适应性，同时运算速度比较快，定位精度比较高。如：在多尺度空间采用DOG算子检测关键点，运算速度大大加快;关键点的精确定位不仅提高了精度，而且大大提高了关键点的稳定性;在构造描述子时，以子区域的统计特性，而不是以单个像素作为研究对象，提高了对图像局部变形的适应能力;1此资料由网络收集而来，如有侵权请告知上传者立即删除。资料共分享，我们负责传递知识。对于16*16的关键点邻域和4*4的子区域，在处理梯度幅度时都进行了类似于高斯函数的加权处理，强化了中心区域，淡化了边缘区域的影响，从而提高了算法对几何变形的适应性;该方法不仅对通用的线性光照模型具有不变性，而且对复杂的光照变化亦具有一定的适应性。SIFT算法的特点：1.SIFT特征是图像的局部特征，其对旋转、尺度缩放、亮度变化保持不变性，对视角变化、仿射变换、噪声也保持一定程度的稳定性;2.独特性(Distinctiveness)好，信息量丰富，适用于在海量特征数据库中进行快速、准确的匹配;3.多量性，即使少数的几个物体也可以产生大量的SIFT特征向量;4.高速性，经优化的SIFT匹配算法甚至可以达到实时的要求;5.可扩展性，可以很方便的与其他形式的特征向量进行联合。2、参考文献【1】《TMS320DM6437Datasheet》，【2】【3】【4】baike.soso.com/v8850239.htm【5】《AllegroPCBDesignCISGettingStartedGuide》,【6】周建雄，张笑微《基于DM6437的运动目标检测系统》，《信息化纵横》2019年第12期【7】《C/C++图像处理编程》，清华大学出版社【8】孙艳丽,李建海,王玲玲,孙晶《基于SIFT的多焦距图像特征点提取算法》，《现代电子技术》2019年第23期总第334期【9】蒋建国,李明,齐美彬《基于TMS320DM6437的运动目标实时检测与跟踪》，合肥工业大学学报(自然科学版)2019年7月第34卷第7期【10】《OrCADCaptureUser’sGuide》，三、初步设计方法与实施方案1、设计方法：(1)、将外部图像传输到DM6437处理器。(2)、在DM6436处理器中利用Sift算法对特征点进行提取。2此资料由网络收集而来，如有侵权请告知上传者立即删除。资料共分享，我们负责传递知识。(3)、将提取的特征点与以存特征点进行比对。(4)、将对比结果进行反馈。2、实施方案：(1)、基于Sift算法设计特征点提取算法(2)、设计硬件原理图(3)、基于Matlab软件进行仿真(4)、对仿真结果进行分析，并对不足处进行改进与优化(5)、编写基于该DSP硬件平台的演示工程文件四、预期结果1、主要内容：本课题旨在设计出一套目标识别系统，通过图像特征提取与匹配算法实现目标的识别，图像数据由前端传输给出，系统硬件平台使用DSP平台。2、预期结果：本课题结束后，基本应可以对静态图像目标进行特征点的提取与匹配...
