基于CUDA的高分辨率视频图像帧间配准与目标定位快速实现-通信与信息系统专业论文.docxVIP

承诺书 本人声明所呈交的博/硕士学位论文是本人在导师指导下 进行的研究工作及取得的研究成果。除了文中特别加以标注和 致谢的地方外，论文中不包含其他人已经发表或撰写过的研究 成果，也不包含为获得南京航空航天大学或其他教育机构的学 位或证书而使用过的材料。 本人授权南京航空航天大学可以将学位论文的全部或部 分内容编入有关数据库进行检索，可以采用影印、缩印或扫描 等复制手段保存、汇编学位论文。 （保密的学位论文在解密后适用本承诺书） 作者签名： 日 期： 南京航空航天大学硕士学位论文 南京航空航天大学硕士学位论文 基于 基于 CUDA 的高分辨率视频图像帧间配准与目标定位快速实现 摘 要 复杂背景下图像配准与定位是目标检测、识别的关键技术。高分辨率视频图像数据量巨大， 需要对图像配准与定位算法加速处理。 复杂背景图像间存在的旋转、尺度、视角变化给图像配准与目标定位带来困难，研究这些 变化对图像配准的影响，建立图像配准变换模型，明确目标与背景相对运动以及相对尺寸变化 对目标定位的影响，对目标定位算法进行分类。 SIFT 特征对旋转、尺度、视角变化具有不变性，研究基于 SIFT 的高分辨率视频图像配准 算法，提出适用于 CUDA 并行计算的矩阵相关系数特征匹配算法，实现 SIFT 特征矢量匹配。 提出基于模型解算与检验的 RANSAC 并行模型，实现匹配点对提纯及变换模型解算。在此基 础上实现基于 SIFT 的高分辨率视频图像配准 CUDA 加速并行算法。 基于 SIFT 的高分辨视频图像配准算法性能优良、配准精度高，但由于算法复杂，经 CUDA 并行加速后仍难以实时处理。图像局部二值不变特征比 SIFT 特征简单，在保证一定的配准精 度下，特征提取及匹配速度快。研究基于二值特征的高分辨率视频图像配准算法，提出改进 ORB 算法，构建高斯金字塔解决尺度变化问题，通过重复点删除及非极大值抑制使特征点分布均匀， 提高配准效果。研究算法可并行性，实现基于改进 ORB 的高分辨率视频图像帧间实时配准 CUDA 并行算法。 研究目标与背景相对运动及相对尺寸变化下的目标定位算法，提出目标定位模式判断系数 和多策略目标定位算法，根据目标状态选择不同算法，提高算法稳定性。研究算法可并行性， 实现基于 CUDA 的高分辨率视频图像目标定位的加速处理。 关键词： 视频图像，复杂背景，图像配准，目标定位，CUDA I PAGE PAGE IV III III ABSTRACT Image registration and target location under complex background is the key technology for target detection and recognition. Due to the huge amount of high-resolution video image data, to accelerate the processing of the algorithm is one of the key issues in this technology. Rotary, scale and perspective changes between complex background images bring difficulties to image registration and target location. Basing on an intensive study, image registration transformation models are constructed to represent the impact of these changes. Besides, the influence of the relative motion or relative size change between target and background on the target location is focused on and the target location algorithms are classified. SIFT feature is invariant to rotary, scale and perspective changes. By researching the SIFT-based image registration algorithm of high-resolution video images, feature matching parallel algorithm based on correlation coeffi