题目：不变性特征实时匹配技术与应用系统研究

特征匹配算法在目标检测领域得到广泛的运用，现今很多的特征匹配算法对仿射变换有很好的鲁棒性。由于特征匹配算法用特征向量来描述特征，然后对它们进行相关性判定来实现匹配，为了使算法具有很好的鲁棒性通常特征向量的维数很高，因此这类算法复杂度高，很难应用于实时检测系统，由此本文重点研究了基于学习的匹配算法，这类算法以随机树和基于Haar特征的匹配算法为代表。它们都是将特征匹配问题转换为模式识别问题，它们通常由离线学习和在线检测两个阶段构成，通过将计算负担转移到离线学习阶段来实现在线的实时检测。本文通过改进基于学习的匹配算法来实现一个导盲系统，该系统运用随机参数生成仿射模型来合成训练样本，使得样本数据更加多样性，然后通过对检测结果进行形态学处理和运用霍特林变换来确定检测区域的质心和走向。该系统的处理结果显示其实现了对盲道的实时检测和对盲道的位置和方向信息的准确计算，并且该检测算法具有很好的仿射不变性，对于噪声干扰，光照的影响和局部遮挡有很好的鲁棒性。最后，为了在嵌入式系统上实现特征匹配算法，本文介绍了运用Simulink进行TI系列DSP的快速开发。通过Simulink建立算法模型，将该模型进行定点化后直接将该模型转换为能在DSP上运行的目标文件，这种开发方法大大缩短了DSP的开发周期和开发难度，通过实际的开发过程，显示了其有效性，同时具有很好的处理速度。