CN109492565A - 一种基于fpga的递进式正交子空间投影高光谱目标检测系统 - Google Patents

一种基于fpga的递进式正交子空间投影高光谱目标检测系统 Download PDF

Info

Publication number
CN109492565A
CN109492565A CN201811280802.7A CN201811280802A CN109492565A CN 109492565 A CN109492565 A CN 109492565A CN 201811280802 A CN201811280802 A CN 201811280802A CN 109492565 A CN109492565 A CN 109492565A
Authority
CN
China
Prior art keywords
data
projection
module
result
end member
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201811280802.7A
Other languages
English (en)
Inventor
李森
唐小芳
宋梅萍
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Dalian Maritime University
Original Assignee
Dalian Maritime University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Dalian Maritime University filed Critical Dalian Maritime University
Priority to CN201811280802.7A priority Critical patent/CN109492565A/zh
Publication of CN109492565A publication Critical patent/CN109492565A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00Indexing scheme relating to image or video recognition or understanding
    • G06V2201/07Target detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本发明提供一种基于FPGA的递进式正交子空间投影高光谱目标检测系统,至少包括:控制状态转换以实现高光谱目标检测的状态机模块、控制各个模块的开始/结束标志位、参数数据的地址和使能信号,提取数据并传送至数据运算模块运算的地址产生模块、输入所述地址产生模块产生的数据的数据输入模块、存储输入数据的数据存储模块以及对所述输入数据进行运算的数据运算模块。本发明通过ROSP循环递归的算法实时检测目标,利于硬件实现,很好的标记了目标所在位置。同时本发明采用FPGA,完成数量大、运算量大的高光谱图像数据的处理,实时性好、集成度高,具有不可替代的优势。

Description

一种基于FPGA的递进式正交子空间投影高光谱目标检测系统
技术领域
本发明涉及目标检测技术领域,具体而言,尤其涉及一种基于FPGA的递进式正交子空间投影高光谱目标检测系统。
背景技术
高光谱目标检测作为高光谱图像处理重要的研究领域,有着重要的军事意义和民用价值,高光谱目标检测不仅可以利用空间信息,还可利用光谱信息来找出特定的目标在高光谱图像上的空间位置,对目标进行定性和定量分析,从而准确高效的进行图像信息的判读和理解。高光谱图像数据的目标检测方法已成为信号处理领域的研究热点。
高光谱图像数据有很多目标检测算法,从算法处理的空间出发,可分为光谱空间目标检测与特征空间目标检测;从算法处理的目标特性出发,分为纯像元级目标检测和亚像元级目标检测。处理亚像元级目标检测的算法多属于子空间分析法,如正交子空间投影(OSP)算法,其用到的矩阵求逆算法,在硬件实现方面具有一定的复杂度,于是提出更利于实时处理的ROSP算法。通过将中的矩阵求逆改为循环迭代的方法,来降低计算复杂度,达到实时处理图像数据的目标。
随着各种高分辨率对高光谱遥感器的发展,获取的高光谱图像数据量呈爆炸性增长,而目前超大数据量的图像处理都是在地面站基于各种操作系统设计的应用软件完成的,其数据处理能力大大滞后于数据的接收和传输速度,造成大量的数据堆积。且高光谱巨大的数据量以及高维的数据特征使得高光谱图像实时目标检测算法的硬件实现成为技术难题,制约了高光谱图像目标检测的发展。然而,随着EDA技术的发展,尤其是FPGA高性能计算能力的提高,使得许多高光谱图像处理算法得以实现。
发明内容
根据上述提出的技术问题,而提供一种基于FPGA的递进式正交子空间投影高光谱目标检测系统。
本发明一种基于FPGA的递进式正交子空间投影高光谱目标检测系统,至少包括:控制状态转换以实现高光谱目标检测的状态机模块、控制各个模块的开始/结束标志位、参数数据的地址和使能信号,提取数据并传送至数据运算模块运算的地址产生模块、输入所述地址产生模块产生的数据的数据输入模块、存储输入数据的数据存储模块以及对所述输入数据进行运算的数据运算模块;
所述数据输入模块至少包括:端元m输入单元、端元d输入单元以及端元r输入单元;
所述数据存储模块至少包括:循环输入的端元m与投影矩阵put乘结果存储单元、投影数据存储单元以及结果数据存储单元;所述m与put乘结果存储单元、投影数据存储单元以及结果数据存储单元分别用来存放每次循环中更新后的存储数据;
所述数据运算模块至少包括:初始化子模块、投影向量更新子模块、参数β计算子模块以及结果求解子模块;
所述地址产生模块提取数据并控制所述数据存储模块中的使能信号和地址存取的时序变化;所述数据输入模块/数据存储模块将输入的数据传送至所述数据运算模块进行运算;所述数据运算模块进行数据运算并将运算更新后的数据传输回所述数据存储模块储存。
进一步的,所述初始化子模块:在初始化状态时,计算投影初值:
其中,I表示单位矩阵,表示首次端元投影矩阵,D表示感兴趣的信号端元,R表示图像像素点的端元;
所述投影初值通过所述地址产生模块产生的读端元地址,读取初始化需要的数据m1进行向量相乘并求逆;所述投影初值通过所述地址产生模块产生的m1和m1 T读取地址,计算m1*m1 T,得到L*L的矩阵,m1表示端元1,L表示波段数;
从单位矩阵存储器中读取单位矩阵的数值减去端元乘积结果得到投影初始值将投影初始值的值存储在所述投影数据存储单元。
将投影初始值的值存储在所述投影数据存储单元后,通过地址产生模块读取感兴趣的目标像素点dT与投影初始值通过向矩相乘,将所述目标像素点dT与投影计算的结果存放在m与投影结果存储模块中存储在所述m与put乘结果存储单元中,通过所述地址产生模块,读取图像端元r与得到的向矩相乘结果运算,得到结果A的初始值并存储,发送初始化状态结束信号。
更进一步的,所述结果求解子模块:所述投影更新单元及结果计算子模块都出现则总时钟周期会达到L2次;所述投影更新单元设置有L2时钟周期,则两个模块总的时钟周期会达到L2+L+L2次,而分开计算两个模块总的时钟周期为L+L+L2次;
所述结果求解子模块先进行乘加运算,得到标量,再与相乘,共需要L+L个时钟周期;通过地址产生模块产生地址和使能信号,在存储器中调用感兴趣目标d以及的值,做乘加运算,得到的结果和图像端元r相乘并调用前一次迭代结果做减法,完成更新;
完成所述更新后判断更新的次数N,若N=N1,则直接进入初始化状态;若N<N1,则进入继续迭代。
进一步的,所述投影更新单元计算设立两个RAM存储器分别存放的结果及其转置的结果;
通过所述地址产生模块的地址和使能信号调用所述参数β计算子模块得到的结果,同时与β更新的标量相乘:
其中,其中,p=1、2、3、4,p表示端元U[m1,m2,m3,m4]中的具体端元;表示每次投影矩阵更新的值;R表示像素点;d表示感兴趣的目标端元;A表示处理结果每次更新的值;β表示参数。
较现有技术相比,本发明具有以下优点:本发明通过ROSP循环递归的算法实时检测目标,利于硬件实现,很好的标记了目标所在位置。同时本发明采用FPGA,完成数量大、运算量大的高光谱图像数据的处理,实时性好、集成度高,具有不可替代的优势。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图做以简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明系统的整体结构框图。
图2为本发明状态机处理模块图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
如图1-2所示,本申请包含一种基于FPGA的递进式正交子空间投影高光谱目标检测系统,至少包括:控制状态转换以实现高光谱目标的检测的状态机模块、控制各个模块的开始/结束标志位、参数数据的地址和使能信号,提取数据并传送至数据运算模块运算的地址产生模块、输入所述地址产生模块产生的数据的数据输入模块、存储输入数据的数据存储模块以及对所述输入数据进行运算的数据运算模块。可以理解为在其他的实施方式中,还可以按照实际情况进行选择只要能够满足能够实现需要的检测即可。
作为优选的实施方式,数据输入模块至少包括:端元m输入单元、端元d输入单元以及端元r输入单元。
在本实施方式中,数据存储模块至少包括:循环输入的端元m与投影矩阵put乘结果存储单元、投影数据存储单元以及结果数据存储单元;所述m与put乘结果存储单元、投影数据存储单元以及结果数据存储单元分别用来存放每次循环中更新后的存储数据。
在本实施方式中,数据运算模块至少包括:初始化子模块、投影向量更新子模块、参数β计算子模块以及结果求解子模块。
作为优选的实施方式,地址产生模块提取数据并将数据传送至数据输入模块及数据存储模块;所述数据输入模块/数据存储模块将输入的数据传送至所述数据运算模块进行运算;所述数据运算模块将运算更新后的后的数据传输回所述数据存储模块储存。可以理解为在其它的实施方式中,还可以通过其它方式进行数据的储存及传输。
在本实施方式中,初始化子模块:在初始化状态时,计算投影初值:
其中,I表示单位矩阵,表示首次端元投影矩阵,D表示感兴趣的信号端元,R表示图像像素点的端元。
作为本申请的一种实施例,设置本申请的初始化为:
当取M1时,根据初始化中公式求出整个循环发生的初值,得到初值以后,当满足条件,就会一直循环下去,其中循环的几个模块,包括几个更新模块,不包括初始化模块,则循环1为:
进一步的,循环2为:
进一步的,循环3为:
作为优选的实施方式,投影初值通过所述地址产生模块产生的读端元地址,读取初始化需要的数据m1进行向量相乘并求逆。投影初值通过所述地址产生模块产生的m1和m1 T读取地址,计算m1*m1 T,得到L*L的矩阵,m1表示端元1,L表示波段数。可以理解为在本实施方式中,还可以选择其它方式实现,只要能够满足能够读取地址即可。
在本实施方式中,从单位矩阵存储器中读取单位矩阵的数值减去端元乘积结果得到投影初始值将投影初始值的值存储在所述投影数据存储单元。将投影初始值的值存储在所述投影数据存储单元后,通过地址产生模块读取感兴趣目标像素点dT与投影初始值通过向矩相乘,输入所述输入数据及使能信号,将所述端元d的数据存储在所述m与put乘结果存储单元中,发送初始化状态结束信号。
作为优选的实施方式,投影更新单元及结果计算子模块都出现则总时钟周期会达到L2+L次;所述投影更新单元设置有L2时钟周期,则总的时钟周期会达到L2+L+L2次,而分开计算总的时钟周期为L+L+L2次。
作为优选的实施方式,所述结果求解子模块先进行乘加运算,得到标量,再与相乘,共需要L+L个时钟周期;通过地址产生模块产生地址和使能信号,在存储器中调用感兴趣目标d以及的值,做乘加运算,得到的结果和图像数据r相乘并调用前一次迭代结果做减法,完成更新。完成所述更新后判断更新的次数N,若N=N1,则直接进入初始化状态;若N<N1,则进入继续迭代。可以理解为在其它的实施方式中还可以通过其它方式进行选择迭代即可。
在本实施方式中,投影更新单元计算设立两个RAM存储器分别存放的结果及其转置的结果。通过所述地址产生模块的地址和使能信号调用所述参数β计算子模块得到的结果,同时与β更新的标量相乘:
其中,其中,p=1、2、3、4,p表示端元U[m1,m2,m3,m4]中的具体端元;表示每次投影矩阵更新的值;R表示像素点;d表示感兴趣的目标端元;A表示处理结果每次更新的值;β表示参数。
作为本申请的一种实施例,如图2所示:
S0:为算法初始化状态。由于算法为循环迭代计算过程,在初始化状态时,完成对的初值计算。
将所有数据清零,首先通过地址产生模块产生读端元地址,读取初始化需要的数据m1(1*189的向量)进行向量相乘并求逆,其中得到的元素乘法结果用27位数据表示,由于数据维数L为189,向量元素乘结果累加的结果中会产生溢出,需要扩大位宽,累加结果用33位二进制表示。m1*m1 T的结果为一个标量,对其直接进行数据求逆,得到的求逆结果用13位二进制表示。通过地址产生模块产生m1和m1 T的行列读取地址,计算m1*m1 T得到L*L(189*189)的矩阵,数据结果用27位二进制表示。从单位矩阵存储器中读取数据与乘法结果相减得到的初始值L*L的矩阵,将的值存储,等待读取和更新。
当数据的值存储好以后,通过地址产生模块读取感兴趣目标像素点dT与投影初始值调用乘法器IP核做矩阵乘法,由于多次使用到向量与矩阵的向矩相乘,送入输入数据与使能信号,并将结果存储在m与put乘结果存储模块当中,发送初始化状态结束信号idle_finish,进入下一状态。
S1:为参数β更新状态。参数β是ROSP算法在解决矩阵求逆部分引入的关键变量,在代码描述过程中,定义了统一的向矩相乘模块,直接由地址产生模块产生读地址信号和读使能,调用该模块,将得到的数据结果输出覆盖在m与put乘结果存储模块当中,为减少运算时间,同时和mp向量相乘得到标量值,对其求逆,得到β参数的更新值,发送参数β更新结束信号b_finish,进入下一状态。
S2:由于是一个幂等对称矩阵,为了计算方便,求解结果的算法公式中可以写成这样可以直接调用结果进行运算。在投影更新模块和结果计算模块都出现如果将其作为一个整体,则需要计算的时钟周期为波段数L2次,在中,仍需要另外的L次时钟周期,总时钟周期会达到L2+L次,在也需要另外的L2时钟周期,总的时钟周期会达到L2+L+L2次,而分开计算总的时钟周期为L+L+L2次,因此直接计算会更加节约时钟周期。
先进行乘加运算,得到标量,再与相乘,共需要L+L个时钟周期。通过地址产生模块产生地址和使能信号,在存储器中调用感兴趣目标d以及的值,做乘加运算,得到的结果和图像数据r相乘的同时,调用前一次迭代得到的结果做减法,新一次的结果更新完成。
在完成更新后,需要判断更新的次数是否达到要求,如果完成所有非目标端元的检测,则整个图像数据的计算完成,直接进入初始化状态,否则发送结束信号a_finish,进入下一循环状态。
S3:需要计算设立两个RAM存储器分别存放的结果及其转置的结果。直接通过地址产生模块的地址和使能信号调用在参数β更新得到的结果,同时与β更新的标量相乘,且此时同时调用投影的迭代值相减,重新更新,完成后发送结束信号put_finish,进入下一状态。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (4)

1.一种基于FPGA的递进式正交子空间投影高光谱目标检测系统,其特征在于,至少包括:
控制状态转换以实现高光谱目标检测的状态机模块、
控制各个模块的开始/结束标志位、参数数据的地址和使能信号,提取数据并传送至数据运算模块运算的地址产生模块、输入所述地址产生模块产生的数据的数据输入模块、存储输入数据的数据存储模块以及对所述输入数据进行运算的数据运算模块;
所述数据输入模块至少包括:端元m输入单元、端元d输入单元以及端元r输入单元;
所述数据存储模块至少包括:循环输入的端元m与投影矩阵put乘结果存储单元、投影数据存储单元以及结果数据存储单元;所述m与put乘结果存储单元、投影数据存储单元以及结果数据存储单元分别用来存放每次循环中更新后的存储数据;
所述数据运算模块至少包括:初始化子模块、投影向量更新子模块、参数β计算子模块以及结果求解子模块;
所述地址产生模块提取数据并控制所述数据存储模块中的使能信号和地址存取的时序变化;所述数据输入模块/数据存储模块将输入的数据传送至所述数据运算模块进行运算;所述数据运算模块进行数据运算并将运算更新后的数据传输回所述数据存储模块储存。
2.根据权利要求1所述的基于FPGA的递进式正交子空间投影高光谱目标检测系统,其特征还在于:
所述初始化子模块:在初始化状态时,计算投影初值:
其中,I表示单位矩阵,表示首次端元投影矩阵,D表示感兴趣的信号端元,R表示图像像素点的端元;
所述投影初值通过所述地址产生模块产生的读端元地址,读取初始化需要的数据m1进行向量相乘并求逆;所述投影初值通过所述地址产生模块产生的m1和m1 T读取地址,计算m1*m1 T,得到L*L的矩阵,m1表示端元1,L表示波段数;
从单位矩阵存储器中读取单位矩阵的数值减去端元乘积结果得到投影初始值将投影初始值的值存储在所述投影数据存储单元;
将投影初始值的值存储在所述投影数据存储单元后,通过地址产生模块读取感兴趣的目标像素点dT与投影初始值通过向矩相乘,将所述目标像素点dT与投影计算的结果存放在m与投影结果存储模块中存储在所述m与put乘结果存储单元中,通过所述地址产生模块,读取图像端元r与得到的向矩相乘结果运算,得到结果A的初始值并存储,发送初始化状态结束信号。
3.根据权利要求1所述的基于FPGA的递进式正交子空间投影高光谱目标检测系统,其特征还在于:
所述结果求解子模块:所述投影更新单元及结果计算子模块都出现则总时钟周期会达到L2次;所述投影更新单元设置有L2时钟周期,则两个模块总的时钟周期会达到L2+L+L2次,而分开计算两个模块总的时钟周期为L+L+L2次;
所述结果求解子模块先进行乘加运算,得到标量,再与相乘,共需要L+L个时钟周期;通过地址产生模块产生地址和使能信号,在存储器中调用感兴趣目标d以及的值,做乘加运算,得到的结果和图像端元r相乘并调用前一次迭代结果做减法,完成更新;
完成所述更新后判断更新的次数N,若N=N1,则直接进入初始化状态;若N<N1,则进入继续迭代。
4.根据权利要求1所述的基于FPGA的递进式正交子空间投影高光谱目标检测系统,其特征还在于:
所述投影更新单元计算设立两个RAM存储器分别存放的结果及其转置的结果;
通过所述地址产生模块的地址和使能信号调用所述参数β计算子模块得到的结果,同时与β更新的标量相乘:
其中,其中,p=1、2、3、4,p表示端元U[m1,m2,m3,m4]中的具体端元;表示每次投影矩阵更新的值;R表示像素点;d表示感兴趣的目标端元;A表示处理结果每次更新的值;β表示参数。
CN201811280802.7A 2018-10-30 2018-10-30 一种基于fpga的递进式正交子空间投影高光谱目标检测系统 Pending CN109492565A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811280802.7A CN109492565A (zh) 2018-10-30 2018-10-30 一种基于fpga的递进式正交子空间投影高光谱目标检测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811280802.7A CN109492565A (zh) 2018-10-30 2018-10-30 一种基于fpga的递进式正交子空间投影高光谱目标检测系统

Publications (1)

Publication Number Publication Date
CN109492565A true CN109492565A (zh) 2019-03-19

Family

ID=65691907

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811280802.7A Pending CN109492565A (zh) 2018-10-30 2018-10-30 一种基于fpga的递进式正交子空间投影高光谱目标检测系统

Country Status (1)

Country Link
CN (1) CN109492565A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109409300A (zh) * 2018-10-30 2019-03-01 大连海事大学 一种基于fpga的高光谱目标检测osp算法的实现系统
CN113269726A (zh) * 2021-04-29 2021-08-17 中国电子科技集团公司信息科学研究院 高光谱图像目标检测方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050015418A1 (en) * 2003-06-24 2005-01-20 Chein-I Chang Real-time implementation of field programmable gate arrays (FPGA) design in hyperspectral imaging
CN103678257A (zh) * 2013-12-20 2014-03-26 上海交通大学 基于fpga的正定矩阵浮点求逆器及其求逆方法
CN105844619A (zh) * 2016-03-18 2016-08-10 武汉大学 一种高光谱遥感影像端元提取方法
US20170372153A1 (en) * 2014-01-09 2017-12-28 Irvine Sensors Corp. Methods and Devices for Cognitive-based Image Data Analytics in Real Time

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050015418A1 (en) * 2003-06-24 2005-01-20 Chein-I Chang Real-time implementation of field programmable gate arrays (FPGA) design in hyperspectral imaging
CN103678257A (zh) * 2013-12-20 2014-03-26 上海交通大学 基于fpga的正定矩阵浮点求逆器及其求逆方法
US20170372153A1 (en) * 2014-01-09 2017-12-28 Irvine Sensors Corp. Methods and Devices for Cognitive-based Image Data Analytics in Real Time
CN105844619A (zh) * 2016-03-18 2016-08-10 武汉大学 一种高光谱遥感影像端元提取方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
CARLOS GONZÁLEZ 等: "FPGA Implementation of an Algorithm for Automatically Detecting Targets in Remotely Sensed Hyperspectral Images", 《 IEEE JOURNAL OF SELECTED TOPICS IN APPLIED EARTH OBSERVATIONS AND REMOTE SENSING》 *
CHEIN-I CHANG: "Recursive Hyperspectral Band Processing of Orthogonal Subspace Projection", 《REAL-TIME RECURSIVE HYPERSPECTRAL SAMPLE AND BAND PROCESSING》 *
MEIPING SONG 等: "A Theory of Recursive Orthogonal Subspace Projection for Hyperspectral Imaging", 《 IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109409300A (zh) * 2018-10-30 2019-03-01 大连海事大学 一种基于fpga的高光谱目标检测osp算法的实现系统
CN113269726A (zh) * 2021-04-29 2021-08-17 中国电子科技集团公司信息科学研究院 高光谱图像目标检测方法及装置

Similar Documents

Publication Publication Date Title
CN109189474B (zh) 神经网络处理装置及其执行向量加和指令的方法
CN209560590U (zh) 电子设备和集成电路
CN109117948B (zh) 画风转换方法及相关产品
US20220222531A1 (en) Asynchronous neural network training
CN109284823B (zh) 一种运算装置及相关产品
Li et al. Resampling methods for particle filtering: classification, implementation, and strategies
Yuan et al. SQR: a simple quantum representation of infrared images
Massei et al. hm-toolbox: Matlab software for HODLR and HSS matrices
Ma et al. Hardware implementation and optimization of tiny-YOLO network
CN109729734A (zh) 芯片装置及相关产品
CN107291337A (zh) 一种提供业务访问的方法及装置
Xue et al. Double-parallel Monte Carlo for Bayesian analysis of big data
CN109492565A (zh) 一种基于fpga的递进式正交子空间投影高光谱目标检测系统
CN115758054B (zh) 一种卷积计算方法、数据处理方法、芯片及电子设备
CN112799599A (zh) 一种数据存储方法、计算核、芯片和电子设备
CN111626311B (zh) 一种异构图数据处理方法和装置
Kopaničáková et al. Enhancing training of physics-informed neural networks using domain-decomposition based preconditioning strategies
Yu et al. Stochastic variance reduced gradient methods using a trust-region-like scheme
CN109447943A (zh) 一种目标检测方法、系统及终端设备
CN117454213A (zh) 多视图数据聚类方法、装置、设备及介质
CN115129460A (zh) 获取算子硬件时间的方法、装置、计算机设备和存储介质
Cui et al. A quadratic penalty method for hypergraph matching
Que et al. Reconfigurable acceleration of graph neural networks for jet identification in particle physics
Yang et al. Mtc: Multiresolution tensor completion from partial and coarse observations
Gupta et al. Hardware architecture for eigenvalues computation using the modified jacobi algorithm on fpga

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20190319

RJ01 Rejection of invention patent application after publication