基于圖形處理器的SIFT算法研究.pdf

1、圖像配準(zhǔn)是圖像處理中的一項(xiàng)重要的技術(shù)，為許多更高級的圖像處理技術(shù)提供了基礎(chǔ)性的支持。根據(jù)選取模式的不同，圖像配準(zhǔn)方法主要分為兩大類：基于區(qū)域（灰度）的配準(zhǔn)和基于特征的配準(zhǔn)?；谔卣鞯呐錅?zhǔn)由于其表現(xiàn)穩(wěn)定，方法靈活，實(shí)用性廣，得到了廣泛的研究和應(yīng)用。SIFT算法是目前較為流行的一種穩(wěn)定的基于特征的配準(zhǔn)方法，由于其具有尺度和旋轉(zhuǎn)不變性，對光照和視角變換也具有較好的魯棒性，日益成為學(xué)術(shù)研究和工程應(yīng)用的熱點(diǎn)。
　　 SIFT算法雖然具有優(yōu)

2、秀的表現(xiàn)，可是其速度和效率方面的不足，限制了他在更多領(lǐng)域的應(yīng)用，例如視頻檢索，目標(biāo)跟蹤，對象識別等時(shí)間敏感的應(yīng)用。
　　 針對這一問題，為了改善SIFT在這些應(yīng)用中的表現(xiàn)，本文引入了GPU+CPU的異構(gòu)計(jì)算平臺，提出了一種SIFT算法的異構(gòu)實(shí)現(xiàn)方法，將SIFT算法中的耗時(shí)較多的尺度空間生成，高斯卷積等算術(shù)密集型運(yùn)算轉(zhuǎn)移到GPU 上實(shí)現(xiàn)，充分利用GPU的超大規(guī)模流式處理器陣列以及高速片上內(nèi)存的優(yōu)勢，提高了SIFT算法的效率和速度，

3、為進(jìn)一步研究和應(yīng)用打下基礎(chǔ)。
　　 基于特征的圖像配準(zhǔn)方法一般流程分為四步：提取特征、生成特征空間、查找匹配特征、配準(zhǔn)圖像。本文將研究重點(diǎn)放在提取特征這一步。在MicrosoftVisual Studio 2008 Express，OpenCV 2.1，CUDA 3.2.16的綜合平臺下，本研究對SIFT算法的異構(gòu)實(shí)現(xiàn)進(jìn)行了開發(fā)和實(shí)驗(yàn)，構(gòu)建了一個(gè)異構(gòu)體系的圖像配準(zhǔn)系統(tǒng)。最終實(shí)驗(yàn)結(jié)果證明了，GPU 能夠有效的提升SIFT算法的配準(zhǔn)