專利名稱：：一種高光譜圖像降維芯片的制作方法
技術(shù)領(lǐng)域：
：本發(fā)明屬于圖像處理領(lǐng)域，涉及一種高光譜圖像降維芯片及實(shí)現(xiàn)方法。
背景技術(shù)：
：高光譜圖像是由高光譜成像儀從可見(jiàn)光到近紅外的幾百個(gè)連續(xù)的窄波段內(nèi)獲取的地物圖像，因此高光譜圖像具有波段多、光譜分辨率高、包含信息量多、數(shù)據(jù)量龐大等特點(diǎn)，然而它所帶來(lái)的問(wèn)題是信息冗余度高、數(shù)據(jù)存儲(chǔ)所需空間大、處理時(shí)間長(zhǎng)等。因此，在對(duì)高光譜圖像進(jìn)行處理、分析之前進(jìn)行降維非常重要。海量高光譜圖像的實(shí)時(shí)處理問(wèn)題是國(guó)內(nèi)外研究的熱點(diǎn)，解決高光譜圖像實(shí)時(shí)數(shù)據(jù)處理問(wèn)題的主要技術(shù)途徑是對(duì)高光譜圖像數(shù)據(jù)進(jìn)行降維。高光譜圖像數(shù)據(jù)維數(shù)很高的特點(diǎn)使得其相鄰波段相關(guān)性高、信息冗余量巨大，因而可以對(duì)高光譜圖像數(shù)據(jù)進(jìn)行預(yù)處理去掉其中的冗余信息，也即是對(duì)高光譜圖像數(shù)據(jù)進(jìn)行降維處理。降維后的高光譜圖像數(shù)據(jù)量得到大大降低，為高光譜信息的后處理如分類、異常檢測(cè)等創(chuàng)造條件，使高光譜信息更便于后續(xù)利用。目前國(guó)夕卜田纟內(nèi)西大學(xué)的HongtaoDu，HairongQi禾口GregoryD.Peterson在論文"ParallelICAanditshardwareimplementationinhyperspectralimageanalysis"中提出了利用FPGA實(shí)現(xiàn)高光譜圖像降維的思想，但是他們沒(méi)有實(shí)現(xiàn)實(shí)時(shí)處理的功能。國(guó)內(nèi)的高光譜圖像數(shù)據(jù)降維技術(shù)均處于理論研究階段，沒(méi)有人利用FPGA進(jìn)行硬件實(shí)現(xiàn)高光譜圖像的實(shí)時(shí)降維處理。
發(fā)明內(nèi)容為了解決上述問(wèn)題，本發(fā)明的目的是提供一種高光譜圖像實(shí)時(shí)降維芯片，該芯片對(duì)海量高光譜圖像數(shù)據(jù)進(jìn)行實(shí)時(shí)降維處理，降維后的高光譜圖像數(shù)據(jù)的后續(xù)應(yīng)用處理如奇異檢測(cè)、分類等提供了極大的便利。本發(fā)明解決其技術(shù)問(wèn)題所采取的技術(shù)方案是基于SoC完成高光譜圖像降維芯片的設(shè)計(jì)，通過(guò)六個(gè)步驟完成芯片的具體設(shè)計(jì)(I)高光譜圖像降維算法確定；(II)高光譜圖像降維芯片設(shè)計(jì)參數(shù)確定；(III)高光譜圖像降維芯片系統(tǒng)設(shè)計(jì)；(IV)高光譜圖像降維芯片設(shè)計(jì)軟件編寫；(V)高光譜圖像降維芯片設(shè)計(jì)仿真；(VI)高光譜圖像降維芯片的FPGA實(shí)現(xiàn)。其中步驟(I)確定了基于片上系統(tǒng)(SoC)實(shí)現(xiàn)高光譜圖像降維的算法，步驟(II)優(yōu)化并給出了高光譜圖像降維芯片設(shè)計(jì)的各種參數(shù)，步驟(III)、(IV)、(V)采用VHDL語(yǔ)言完成芯片的設(shè)計(jì)，步驟(VI)基于現(xiàn)場(chǎng)可編程門陣列完成了高光譜圖像實(shí)時(shí)降維芯片的實(shí)現(xiàn)，芯片設(shè)計(jì)軟件采用模塊化設(shè)計(jì)，具體由五個(gè)模塊組成，它們是系統(tǒng)控制模塊(1)、自相關(guān)模塊(2)、特征值求解模塊(3)、特征值提取模塊(4)、降維實(shí)現(xiàn)模塊(5)，芯片采用自頂向下(Top-Down)的層次化結(jié)構(gòu)設(shè)計(jì)方法。該層次化結(jié)構(gòu)包括頂層模塊和底層模塊，并通過(guò)通過(guò)模塊組合，完成高光譜圖像降維的實(shí)時(shí)處理。所述的一種高光譜圖像降維芯片的設(shè)計(jì)方法給出了高光譜圖像降維芯片設(shè)計(jì)優(yōu)化參數(shù)。所述的一種高光譜圖像降維芯片的設(shè)計(jì)方法采用可編程門陣列完成高光譜圖像降維芯片設(shè)計(jì)。所述的一種高光譜圖像降維芯片的設(shè)計(jì)方法芯片完成了高光譜圖像降維的實(shí)時(shí)處理?！N高光譜圖像降維芯片的設(shè)計(jì)方法，其高光譜圖像降維芯片的設(shè)計(jì)軟件采用模塊化設(shè)計(jì)，具體包括作為頂層模塊的系統(tǒng)控制模塊(1)和具有不同功能的底層模塊自相關(guān)模塊(2)、特征值求解模塊(3)、特征值提取模塊(4)、降維實(shí)現(xiàn)模塊(5)，通過(guò)模塊組合，完成高光譜圖像降維的實(shí)時(shí)處理?！N高光譜圖像降維芯片，其特征在于由上述任一種方法獲得的芯片，包括片上系統(tǒng)，自頂向下層次化的模塊組合。本發(fā)明的主要技術(shù)特征是利用FPGA實(shí)現(xiàn)高光譜圖像的實(shí)時(shí)奇異值分解降維處理。在基于FPGA的基礎(chǔ)上，本發(fā)明采用自頂向下的思想，將奇異值分解降維芯片劃分為五個(gè)模塊，分別是系統(tǒng)控制模塊、自相關(guān)模塊、特征值求解模塊、特征值提取模塊和降維實(shí)現(xiàn)模塊。其中系統(tǒng)控制模塊對(duì)整個(gè)芯片系統(tǒng)進(jìn)行控制，協(xié)調(diào)芯片中其它各個(gè)模塊間數(shù)據(jù)傳輸和各模塊之間的信號(hào)聯(lián)系，使他們都能準(zhǔn)確進(jìn)行各自模塊的工作。自相關(guān)模塊的功能是接收高光譜圖像數(shù)據(jù)并對(duì)其數(shù)據(jù)矩陣進(jìn)行自相關(guān)運(yùn)算，并將得到的自相關(guān)運(yùn)算結(jié)果數(shù)據(jù)類型轉(zhuǎn)換為特征值求解模塊所要求類型。特征值求解模塊的功能是求解自相關(guān)模塊得到的自相關(guān)矩陣結(jié)果矩陣的特征值和特征向量。特征值提取模塊的功能是對(duì)特征值求解模塊得到的特征值進(jìn)行排序，提取包含信息量大的前N個(gè)特征值對(duì)應(yīng)的特征向量，組成包含圖像信息量大的N個(gè)特征向量矩陣。降維實(shí)現(xiàn)模塊的功能是把原始高光譜圖像矩陣與特征值提取矩陣得到的特征向量矩陣相乘，得到降維后的圖像矩陣。本發(fā)明是這樣實(shí)現(xiàn)的經(jīng)過(guò)一定預(yù)處理的高光譜圖像數(shù)據(jù)通過(guò)網(wǎng)口傳輸?shù)叫酒瑑?nèi)部，圖像數(shù)據(jù)在系統(tǒng)控制模塊的控制下，先后通過(guò)自相關(guān)模塊進(jìn)行自相關(guān)運(yùn)算、通過(guò)特征值求解模塊計(jì)算特征值和特征向量、通過(guò)特征提取模塊提取出特征值和特征向量、最后通過(guò)降維實(shí)現(xiàn)模塊實(shí)現(xiàn)整幅高光譜圖像的降維，并可以得到降維后的圖像數(shù)據(jù)用于后續(xù)利用。由于采用了上述的技術(shù)方案，本發(fā)明的有益效果是選取奇異值分解算法進(jìn)行降維便于FPGA硬件實(shí)現(xiàn)。采用頂層設(shè)計(jì)思想開(kāi)發(fā)降維芯片，開(kāi)發(fā)周期短、設(shè)計(jì)費(fèi)用低、研發(fā)風(fēng)險(xiǎn)小?；谄舷到y(tǒng)(S0C)完成奇異值分解高光譜圖像降維，開(kāi)發(fā)的芯片達(dá)到了小型化低功耗的功能。對(duì)芯片進(jìn)行模塊化設(shè)計(jì)，各個(gè)模塊可以設(shè)計(jì)成獨(dú)立的IP核，可以在其它功能下移植調(diào)用，模塊利用效能高。圖1是芯片系統(tǒng)模塊結(jié)構(gòu)關(guān)系圖圖2是數(shù)據(jù)輸入緩存模塊調(diào)度圖圖3是自相關(guān)模塊結(jié)構(gòu)圖圖4是特征值提取模塊程序流程圖4具體實(shí)施例下面結(jié)合附圖和具體實(shí)施例對(duì)本發(fā)明進(jìn)一步說(shuō)明。參見(jiàn)圖1芯片系統(tǒng)模塊結(jié)構(gòu)關(guān)系圖。本實(shí)施例采用Xilinx公司的Vertix5系列實(shí)驗(yàn)板對(duì)降維芯片進(jìn)行設(shè)計(jì)、仿真和驗(yàn)證。整個(gè)芯片系統(tǒng)可以劃分為五個(gè)模塊系統(tǒng)控制模塊、自相關(guān)模塊、特征值求解模塊、特征值提取模塊、降維實(shí)現(xiàn)模塊。因?yàn)楦吖庾V圖像數(shù)據(jù)的海量性，F(xiàn)PGA內(nèi)部沒(méi)有足夠的存儲(chǔ)單元來(lái)存儲(chǔ)整幅高光譜圖像，因而需要在外部另加一個(gè)存儲(chǔ)單元，同時(shí)需要在圖像傳輸前端加一個(gè)數(shù)據(jù)輸入緩存器，使高光譜圖像數(shù)據(jù)以分塊矩陣的形式輸出給后續(xù)的模塊利用。劃分后的各個(gè)模塊彼此相互獨(dú)立，可以分別單獨(dú)調(diào)用、仿真，在一定程度上降低了程序的仿真測(cè)試難度，便于程序的仿真測(cè)試。下面分別對(duì)各個(gè)模塊的實(shí)現(xiàn)過(guò)程進(jìn)行分析(—)輸入數(shù)據(jù)緩存的設(shè)計(jì)正確對(duì)高光譜圖像數(shù)據(jù)進(jìn)行調(diào)度是個(gè)比較繁瑣而嚴(yán)謹(jǐn)?shù)墓ぷ?，?shù)據(jù)調(diào)度的正確與否將直接影響降維的結(jié)果，若數(shù)據(jù)調(diào)度錯(cuò)誤將直接導(dǎo)致降維后要進(jìn)行的工作無(wú)法開(kāi)展。為了能對(duì)圖像數(shù)據(jù)進(jìn)行實(shí)時(shí)處理，對(duì)圖像數(shù)據(jù)進(jìn)行緩存需要用到兩個(gè)BlockRAM來(lái)對(duì)圖像數(shù)據(jù)進(jìn)行協(xié)調(diào)緩存，其中一個(gè)BlockRAM用來(lái)接收輸入的圖像數(shù)據(jù)，另一個(gè)的數(shù)據(jù)傳送給自相關(guān)模塊進(jìn)行自相關(guān)運(yùn)算。兩個(gè)BlockRAM協(xié)調(diào)工作模式參見(jiàn)圖2。(二)自相關(guān)模塊的設(shè)計(jì)進(jìn)行自相關(guān)模塊設(shè)計(jì)時(shí)，考慮高光譜圖像儀采集到的高光譜圖像數(shù)據(jù)矩陣數(shù)據(jù)量大。以波段數(shù)為128，空間分辨率為512X512X12bit的高光譜圖像數(shù)據(jù)為例，這樣的高光譜圖像每幅圖像的大小約為402M，F(xiàn)PGA內(nèi)部RAM無(wú)法一次存儲(chǔ)如此大的數(shù)據(jù)量?？紤]到矩陣自相關(guān)的運(yùn)算特性，對(duì)圖像數(shù)據(jù)矩陣進(jìn)行分塊相乘運(yùn)算，<formula>formulaseeoriginaldocumentpage5</formula>(1)其中by=ailXaij+ai2Xa2j++ainXanj，m為圖像波段數(shù)，n為圖像空間大小。由上述矩陣乘法運(yùn)算知，可以把高光譜圖像矩陣按列分塊，做自相關(guān)運(yùn)算時(shí)每次僅對(duì)一列數(shù)據(jù)相乘并累加上一列相乘所得結(jié)果，便得到自相關(guān)后的矩陣?？紤]到實(shí)時(shí)性處理的要求，此中選取32個(gè)乘法其同時(shí)做自相關(guān)的乘法運(yùn)算。又考慮到做奇異值分解算法的模塊所需要的數(shù)據(jù)為浮點(diǎn)型，做完自相關(guān)運(yùn)算后還需要把自相關(guān)結(jié)果矩陣數(shù)據(jù)轉(zhuǎn)換成浮點(diǎn)型數(shù)據(jù)。自相關(guān)模塊又可以分為幾個(gè)基本的小模塊，其基本的模塊關(guān)系見(jiàn)圖3。(三)特征值求解模塊的設(shè)計(jì)進(jìn)行特征值求解模塊設(shè)計(jì)時(shí)，需要設(shè)計(jì)選取求解特征值、特征向量的數(shù)值算法，并對(duì)他們進(jìn)行優(yōu)化。計(jì)算矩陣特征值的方法有很多種，但是考慮到自相關(guān)矩陣是實(shí)對(duì)稱矩陣，而且需要求出特征向量，綜合分析則選取雅可比法或者雅可比過(guò)關(guān)法實(shí)現(xiàn)。下面介紹雅可比法與雅克比過(guò)關(guān)法。1)雅可比法求特征值和特征向量雅可比法的基本思想為對(duì)于任意的一個(gè)實(shí)對(duì)稱矩陣A，只要能夠求得一個(gè)正交矩陣U，使得UTAU成為一個(gè)對(duì)角矩陣D，則就得到了A的所有特征值和對(duì)應(yīng)的特征向量。基于這個(gè)思想，可以通過(guò)一系列特殊的正交相似變換——雅可比旋轉(zhuǎn)，使實(shí)對(duì)稱矩陣近似對(duì)角化從而求得特征值與特征向量的方法。記A。=A，其中A為實(shí)對(duì)稱矩陣，作正交相似序列4=《4A("l，2,..)(2)其中Rk是超平面(p，q)的雅可比旋轉(zhuǎn)矩陣，即1COS0sin6cos^1(3)第p列第q列(p，q)的選取應(yīng)使":')是Ah中非對(duì)角元素絕對(duì)值最大者。Ah和Ak僅在第p行(列)和第q行(列)不同，它們之間的關(guān)系為sin《々'■_—一(M)sin《+《—Dcos&《)=《"cos2^+2""sinPcos6+("sin2^仰C=《-"sin2e—2a(丄-Dsin6cos""2—"cos2《？將=(《1(a-1)仰■《一1))sinPcos"(cos2《-sin2選取6^=—arctan、2a、"''一o>仰(->《)44(4)(5)(6)(7)(8)(9)、砂可使(10)可以看出，對(duì)稱矩陣A經(jīng)過(guò)每一次變換，就將選定的最大非對(duì)角線元素消去了，且其對(duì)角線元素的平方之和增加了2《《，而非對(duì)角線元素的平方之和減少了2《《，矩陣總的元素平方之和不變，但經(jīng)過(guò)這樣的變換以后，非對(duì)角線上的其他零元素就往往不再是零了?？傊?，每經(jīng)過(guò)一次旋轉(zhuǎn)變換，其矩陣的非對(duì)角線元素的平方之和總是"向零接近了一步"，對(duì)過(guò)反復(fù)選取主元素，并做旋轉(zhuǎn)變換，就可以逐步將矩陣A變?yōu)閷?duì)角矩陣。實(shí)際上，作為一個(gè)迭代過(guò)程，只要滿足一定的精度要求就可以了。2)雅可比過(guò)關(guān)法求特征值和特征向量在雅可比方法中，每進(jìn)行一次旋轉(zhuǎn)變換前都需要遍歷所有非對(duì)角線的元素，選取絕對(duì)值最大的元素，這是很費(fèi)時(shí)間的。雅可比過(guò)關(guān)法對(duì)此做了改進(jìn)。首先計(jì)算對(duì)稱矩陣A的所有非對(duì)角線元素平方之和的平方根，即<formula>formulaseeoriginaldocumentpage7</formula>然后設(shè)置第一道關(guān)口巧=E/n，對(duì)A中非對(duì)角線元素進(jìn)行逐行(逐列)掃描，分別與進(jìn)行比較。若la」〈iv則讓其過(guò)關(guān)，否則用旋轉(zhuǎn)變換R(i，j，e)將aij化為零。需要指出的是，在某次旋轉(zhuǎn)變換變?yōu)榱愕脑刂?，在以后的旋轉(zhuǎn)變換中可能又變成非零元素，因此，要重復(fù)進(jìn)行上述的掃描過(guò)程，直到約化到對(duì)于所有非對(duì)角線元素均滿足條件為止。矩陣A中所有非對(duì)角線元素都過(guò)了第一道關(guān)口后，再設(shè)置第二道關(guān)口<formula>formulaseeoriginaldocumentpage7</formula>、然后重復(fù)上述過(guò)程，經(jīng)過(guò)一系列關(guān)口iviv…，直到對(duì)于某個(gè)關(guān)口滿足條件Yn<e為止，其中e為預(yù)先給定的精度要求。3)奇異值分解算法確定綜合上述兩中特征值數(shù)值解法進(jìn)行MATLAB仿真，采用數(shù)據(jù)源C求得自相關(guān)矩陣，然后分別利用雅可比法與雅可比過(guò)關(guān)法計(jì)算特征值與特征向量，比較計(jì)算時(shí)間與計(jì)算次數(shù)如表1。由表1可以看到，使用MATLAB仿真時(shí)，當(dāng)自相關(guān)矩陣大小為113X113、e=0.0001時(shí)，雅可比法計(jì)算需要8.1秒，而雅可比過(guò)關(guān)法只需要2.4秒。雅可比旋轉(zhuǎn)一次需要113X12次乘法、113X6次加法。假設(shè)FPGA中乘法、加法與比較都只用一個(gè)機(jī)器周期完成，則雅可比法大約需要用162262576個(gè)機(jī)器周期，而雅可比過(guò)關(guān)法需要54362492個(gè)機(jī)器周期。比較可以看出，在利用同樣資源的條件下，雅可比法所需時(shí)間是雅可比過(guò)關(guān)法的三倍多，綜合上述結(jié)論于是選取雅可比過(guò)關(guān)法來(lái)求矩陣特征值與特征向量。4)算法主要參數(shù)確定—方面，隨著傳感器技術(shù)的發(fā)展，數(shù)據(jù)采集速率越來(lái)越快，單位時(shí)間內(nèi)獲得的數(shù)據(jù)量急劇增加，這就需要數(shù)據(jù)處理速度不斷提高；同時(shí)對(duì)用戶而言，數(shù)據(jù)處理結(jié)果誤差越小，就越有利于后期處理，得到正確結(jié)果。利用主成份分析法對(duì)高光譜圖像進(jìn)行降維后，圖像的數(shù)據(jù)量銳減，大大地降低了計(jì)算量，信息處理的時(shí)效性也大大的得到提高，但是考慮到FPGA的特點(diǎn)，其硬件資源有限，不可能使用無(wú)限高精度的數(shù)據(jù)類型進(jìn)行計(jì)算，也不可能無(wú)限制的提高運(yùn)算速度。綜合以上兩方面考慮，因此在進(jìn)行FPGA系統(tǒng)設(shè)計(jì)之前必須先確定好系統(tǒng)參數(shù)，利用有限的FPGA硬件資源，最大限度地提高運(yùn)算速度與運(yùn)算精度，以滿足數(shù)據(jù)處理速度和運(yùn)算誤差要求。系統(tǒng)的運(yùn)算精度由其數(shù)據(jù)類型和字長(zhǎng)決定，結(jié)合雅可比過(guò)關(guān)法求特征值、特征向量的特點(diǎn)，知其特征向量值為小數(shù)，故不能使用整型數(shù)據(jù)，而需要使用浮點(diǎn)型數(shù)據(jù)。對(duì)于同一種數(shù)據(jù)類型，計(jì)算字長(zhǎng)越長(zhǎng)，計(jì)算精度越高；計(jì)算字長(zhǎng)越短，計(jì)算精度越低。XILINX公司提供了一系列符合IEEE-754標(biāo)準(zhǔn)的浮點(diǎn)型IP核可供用戶選擇，包括單精度浮點(diǎn)型(32位)、雙精度浮點(diǎn)型(64位)和用戶自定義類型?？紤]到FPGA中資源的利用率，結(jié)合實(shí)際數(shù)據(jù)處理精度和時(shí)間要求，在本發(fā)明中選取單精度浮點(diǎn)型數(shù)據(jù)進(jìn)行數(shù)據(jù)處理。其中單精度浮點(diǎn)型數(shù)據(jù)由8位指數(shù)部分和24位小數(shù)部分組成，精確到6-7位有效數(shù)字，都可以滿足要求。(四)特征值提取模塊的設(shè)計(jì)進(jìn)行特征值提取模塊的設(shè)計(jì)時(shí)，特征值提取模塊對(duì)特征值求解模塊求出的矩陣特征值從大到小進(jìn)行排序，根據(jù)用戶需求提取特征值最大的前幾個(gè)或者幾十個(gè)特征值對(duì)應(yīng)的特征向量。把提取出來(lái)的特征向量矩陣與原始圖像矩陣相乘就得到原始圖像的幾個(gè)或者幾十個(gè)主成份圖像，而不是原始全波段圖像，大大降低了圖像的數(shù)據(jù)量，實(shí)現(xiàn)了預(yù)想的圖像數(shù)據(jù)降維。此模塊的主要工作是對(duì)特征值進(jìn)行排序，并找出與特征值對(duì)應(yīng)的特征向量，考慮到用戶的需求，需要的主成份不會(huì)太多。主成份太多則降維后的數(shù)據(jù)量依然很大，就達(dá)不到降維的目的，且通過(guò)實(shí)驗(yàn)驗(yàn)證了少量有限的幾個(gè)主成份已經(jīng)能很好的代表整個(gè)高光譜圖像的基本特征。于是在這個(gè)模塊中不需要對(duì)整個(gè)矩陣進(jìn)行排序，只需要提取出特征值矩陣的最大幾個(gè)特征值，并找出他們對(duì)應(yīng)的特征向量即可，在本研究中采用經(jīng)典的冒泡法進(jìn)行排序。整個(gè)模塊的程序流程圖如圖4所示。(五)降維實(shí)現(xiàn)模塊的設(shè)計(jì)高光譜圖像數(shù)據(jù)的降維實(shí)現(xiàn)即是利用原始高光譜圖像數(shù)據(jù)陣與提取出的特征向量矩陣相乘得到的圖像數(shù)據(jù)陣。它的實(shí)現(xiàn)原理與自相關(guān)模塊的實(shí)現(xiàn)基本相似，因而可以像處理自相關(guān)模塊一樣處理降維實(shí)現(xiàn)模塊。(六)系統(tǒng)控制模塊的設(shè)計(jì)系統(tǒng)控制模塊搭接設(shè)計(jì)好的各個(gè)子模塊，協(xié)調(diào)好各個(gè)模塊間的信號(hào)與數(shù)據(jù)傳輸，實(shí)現(xiàn)模塊間數(shù)據(jù)和信號(hào)流的準(zhǔn)確調(diào)度和控制，并實(shí)現(xiàn)整個(gè)降維芯片的具體功能。表1是雅可比法與雅可比過(guò)關(guān)法運(yùn)算比較<table>tableseeoriginaldocumentpage8</column></row><table>權(quán)利要求一種高光譜圖像降維芯片的設(shè)計(jì)方法，基于SoC完成高光譜圖像降維芯片的設(shè)計(jì)，高光譜圖像降維芯片設(shè)計(jì)的具體步驟如下(I)高光譜圖像降維算法確定；(II)高光譜圖像降維芯片設(shè)計(jì)參數(shù)確定；(III)高光譜圖像降維芯片系統(tǒng)設(shè)計(jì)；(IV)高光譜圖像降維芯片設(shè)計(jì)軟件編寫；(V)高光譜圖像降維芯片設(shè)計(jì)仿真；(VI)高光譜圖像降維芯片的FPGA實(shí)現(xiàn)。其特征在于上述第(I)確定了基于片上系統(tǒng)(SoC)實(shí)現(xiàn)高光譜圖像降維的算法，第(II)給出了高光譜圖像降維芯片設(shè)計(jì)的各種參數(shù)，第(III)、第(IV)、第(V)采用VHDL語(yǔ)言完成芯片的設(shè)計(jì)，第(VI)基于現(xiàn)場(chǎng)可編程門陣列完成了高光譜圖像降維芯片的實(shí)現(xiàn)，芯片設(shè)計(jì)軟件由五種模塊組成，它們是系統(tǒng)控制模塊(1)、自相關(guān)模塊(2)、特征值求解模塊(3)、特征值提取模塊(4)、降維實(shí)現(xiàn)模塊(5)，芯片采用自頂向下(Top-Down)的層次化結(jié)構(gòu)設(shè)計(jì)方法該層次化結(jié)構(gòu)包括頂層模塊和底層模塊。2.如權(quán)利要求1所述的一種高光譜圖像降維芯片的設(shè)計(jì)方法，其特征在于給出了高光譜圖像降維芯片設(shè)計(jì)優(yōu)化參數(shù)。3.如權(quán)利要求1所述的一種高光譜圖像降維芯片的設(shè)計(jì)方法，其特征在于采用可編程門陣列完成高光譜圖像降維芯片設(shè)計(jì)。4.如權(quán)利要求1所述的一種高光譜圖像降維芯片的設(shè)計(jì)方法，其特征在于芯片完成了高光譜圖像降維的實(shí)時(shí)處理。5.如權(quán)利要求1所述的一種高光譜圖像降維芯片的設(shè)計(jì)方法，其特征在于高光譜圖像降維芯片的設(shè)計(jì)軟件采用模塊化設(shè)計(jì)，具體包括作為頂層模塊的系統(tǒng)控制模塊(1)和具有不同功能的底層模塊自相關(guān)模塊(2)、特征值求解模塊(3)、特征值提取模塊(4)、降維實(shí)現(xiàn)模塊(5)，通過(guò)模塊組合，完成高光譜圖像降維的實(shí)時(shí)處理。6.—種高光譜圖像降維芯片，其特征在于由權(quán)利要求1-5中任一種方法獲得的芯片，包括片上系統(tǒng)，自頂向下層次化的模塊組合。全文摘要本發(fā)明屬于圖像處理領(lǐng)域，它提出了一種高光譜圖像數(shù)據(jù)降維處理芯片。該芯片主要完成海量高光譜圖像數(shù)據(jù)的實(shí)時(shí)降維處理。芯片采用VHDL語(yǔ)言完成，基于現(xiàn)場(chǎng)可編程門陣列實(shí)現(xiàn)。系統(tǒng)芯片主要包括系統(tǒng)控制模塊、自相關(guān)模塊、特征值求解模塊、特征值提取模塊、降維實(shí)現(xiàn)模塊共五部分。本發(fā)明可完成高光譜圖像數(shù)據(jù)的實(shí)時(shí)降維處理，開(kāi)發(fā)周期短，設(shè)計(jì)費(fèi)用低，研發(fā)風(fēng)險(xiǎn)小。文檔編號(hào)G06F17/50GK101763445SQ20081018780公開(kāi)日2010年6月30日申請(qǐng)日期2008年12月23日優(yōu)先權(quán)日2008年12月23日發(fā)明者何光林,彭林科,諶德榮申請(qǐng)人:北京理工大學(xué)