針對圖像特征提取算法的并行加速研究.pdf

1、現(xiàn)今我們正處于一個信息速增的時代，每日有數(shù)以PB計的數(shù)據(jù)在網(wǎng)絡(luò)上傳輸與處理。然而，在這些數(shù)據(jù)中，除了傳統(tǒng)的文本數(shù)據(jù)之外，圖片和視頻等多媒體數(shù)據(jù)也受到越來越多用戶的青睞。面對急速增長的多媒體數(shù)據(jù)，如何對其進(jìn)行有效地管理和檢索變得越來越為重要。對于基于圖像/視頻內(nèi)容本身的檢索和過濾系統(tǒng)來說，SIFT(Scale Invariant Feature Transform)和SURF(Speedup Up RobustFeatures)算法，作為

2、兩種最為常用的圖像特征提取算法，是這些系統(tǒng)應(yīng)用的核心算法之一。然而，這兩種圖像特征提取算法的處理速度相當(dāng)有限，對一個普通單核CPU來說，一秒鐘只能處理不到3張的圖片。這樣的處理速度使得這些算法在海量數(shù)據(jù)的系統(tǒng)中無法滿足用戶的實時需求，從而不能投諸實際。因此，如何提高圖像特征提取算法的處理速度成為了研究的重點。
　　多核體系結(jié)構(gòu)的普及與發(fā)展為加速這類算法提供了一個有效的途徑。本文針對圖像特征提取算法，首先對其做了系統(tǒng)全面的并行性分析

3、。我們發(fā)現(xiàn)算法中工作量的不平衡是影響之前并行算法性能的主要原因。為了減輕工作量不平衡的影響，我們設(shè)計并實現(xiàn)了一種新的并行算法——動態(tài)流水線的算法，來提高SIFT和SURF這兩種圖像特征提取算法的處理速度。該并行算法將根據(jù)工作量，把不同的計算過程放到流水線的不同階段中去，以此來減少每個階段中工作量不平衡的問題。而所謂的動態(tài)流水線是指算法能夠根據(jù)流水線各階段的工作量，動態(tài)地更改每個階段所占用的計算資源個數(shù)（線程數(shù)）。該并行算法能高效處理圖片