基于GPU的SIFT和SURF算法的研究與實現(xiàn).pdf

1、圖像特征提取與匹配是計算機視覺領(lǐng)域的基礎(chǔ)研究問題，也是該領(lǐng)域的研究難題。在過去的數(shù)十年內(nèi)，該問題持續(xù)是熱點研究問題，國內(nèi)外很多專家學(xué)者相繼提出了很多特征提取與匹配的方法和理論，主要包括以SIFT、SURF為代表的局部特征提取算法。算法的各種變體在速度上都優(yōu)于SIFT和SURF算法，然而，實驗表明變體的準(zhǔn)確率卻遠不如它們本身，所以研究SIFT和SURF算法的并行化優(yōu)化成為當(dāng)下一個重要的研究課題。圖像處理的GPU優(yōu)化成為解決該問題的一把利刃

2、，GPU架構(gòu)是專門為存在大量數(shù)據(jù)運算的應(yīng)用而設(shè)計的，NVIDIA公司于2006年提出的基于GPU的CUDA編程架構(gòu)更是把應(yīng)用GPU編程實現(xiàn)圖像處理優(yōu)化問題的難度降到最低。
　　本文主要工作是SIFT和SURF算法的GPU優(yōu)化研究。文中所使用的GPU平臺是NVIDIA公司的GTX550Ti。本文的重點研究問題是如何充分挖掘算法的內(nèi)在并行性和如何充分利用CUDA架構(gòu)的各種利于并行計算的軟硬件優(yōu)勢。根據(jù)文獻[9]提出的6個優(yōu)化量度:程序

3、的可并行度、每像素的浮點計算量與訪存量比、每像素的浮點計算量、每像素的訪存量、分支差異性、任務(wù)依賴性，對SIFT和SURF算法進行優(yōu)化加速。對CUDA架構(gòu)的分析將從硬件和軟件兩方面進行，根據(jù)硬件參數(shù)設(shè)計合適的線程格和線程塊有利于合理充分的調(diào)度和利用GPU的硬件資源。從內(nèi)存模型和線程模型兩個方面來分析軟件架構(gòu)，CUDA提供了多達6、7種類型的內(nèi)存，每種內(nèi)存都有專門的用途，充分理解它們的作用和合理的利用有限的各種內(nèi)存資源常常會達到意想不到的