一种FPGA实现的序列图像目标多维特征实时提取方法

目标区域多维特征的建模表征是实现目标跟踪搜索的前提。传统的特征提取方法通常先连通出目标区域，再计算目标特征，实时性不强。提出了一种基于像素的连通域标记及目标特征同步计算方法，建立特征传递机制，利用标号映射表关联标号表与特征属性表，并在区域邻接时进行标号合并和特征属性同步传递计算，保证了目标区域连通完成即可输出目标区域特征。给出一种基于FPGA硬件设计的实现方案。仿真测试结果显示，此方法具有以下几方面优势：连通域标记耗时少，仅为(L×W+2n/m)×T_clk，接近理论最小值(L×W)×T_clk；利用循环缓存区存储图像，资源消耗小；标记与计算并行处理，提升了检测跟踪效率；多目标特征经测试验证结果准确，可有效支持后续的目标跟踪检测；具有理论与实用价值。     

面向量化分块压缩感知的区域层次化预测编码

在量化分块压缩感知的预测编码中，低参考价值的候选者将导致较差的率失真性能。为了高效地降低编码失真，提出了一种基于螺旋逐块扫描的区域层次化预测编码方法。在以同一采样率进行观测后，各块按由内向外的扫描次序进行预测与量化。当前观测矢量从上下文感知候选集中选取与之具有最小误差的反量化矢量，作为其预测矢量；根据层次相关性，所有块被划分到3种区域之一，通过块编码模型为不同区域设定自适应的质量因子，关键区域被赋予较大的质量因子。与现有的预测编码方法相比，所提方法综合利用了矢量之间的空域相关性和层次相关性，实验结果获得了至少0.12 dB的率失真增益。