28、图像与通信应用中的处理技术研究

图像与通信应用中的处理技术研究

在当今科技飞速发展的时代，图像识别、程序并行化以及为视障人士提供辅助等领域都取得了显著的进展。本文将深入探讨基于快速正交神经网络的图像识别分类器、图像与通信应用中的粗粒度循环并行化以及用于视障人士的立体视觉移动辅助系统等相关内容。

基于快速正交神经网络的图像识别分类器

在图像识别领域，基于快速正交神经网络的分类器展现出了强大的性能。它在基本仿射变换（旋转、平移、缩放）下的图像识别任务中被证明是有效的。尽管STaR数据库相比RTS3集似乎是一个更简单的分类问题，因为可以应用潜在成功的分割技术并手动选择合适的特征来区分对象，但该分类器的简单性和通用性是其主要优势。它可以在不需要找到对象的定位、方向和大小，也不需要额外的预处理阶段（如分割）的情况下，成功地应用于实际的对象识别。

不过，需要注意的是，所有这些额外的失真都不包含在训练集中。将STaR - light和STaR - light30集的典型图像添加到训练集中可能会导致更好的识别结果。

图像与通信应用中的粗粒度循环并行化

随着多核微处理器的广泛使用，暴露顺序图像和通信算法中可用的粗粒度并行性变得越来越重要。自动粗粒度并行化程序循环对于多核计算至关重要。

UTDSP基准测试

UTDSP基准测试套件于1992年在多伦多大学创建，用于评估针对可编程数字信号处理器（DSP）的高级语言（如C）编译器生成的代码质量。该套件包括六个内核和十个应用程序。
| 内核 | 描述 |
| — | — |
| fft | 基 - 2，原位，按时间抽取的快速傅里叶变换 |
| fir | 有限脉冲