基于GPU的SIFT特征匹配算法并行处理研究

被引：4

作者：

姜超 ^{[1
]}

耿则勋 ^{[1
]}

娄博 ^{[1
,2
]}

魏小峰 ^{[1
]}

沈忱 ^{[1
]}

机构：

[1] 解放军信息工程大学

[2] 部队

来源：

计算机科学 | 2013年 / 40卷 / 12期

关键词：

GPU; SIFT; CUDA; 特征匹配;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

SIFT算法因具有旋转、缩放以及平移不变性而在影像配准和基于影像的三维重建领域得到广泛应用。但该算法复杂度较高,在CPU上执行的效率不高,难以满足对实时性要求较高的应用。在深入分析SIFT算法原理的基础上,针对该算法提取特征的多量性和特征向量的高维性,将该算法进行了并行化改造以利用GPU强大的并行计算能力,并与CPU上实现的SIFT算法进行了比较。实验证明,基于GPU的SIFT算法执行效率大幅提升,平均可以达到10倍以上的加速比。

引用

页码：295 / 297+307 +307

页数：4

共 9 条

[1] 基于GPU的SIFT特征提取算法研究
王瑞
梁华
蔡宣平
[J]. 现代电子技术, 2010, 33 (15) : 41 - 43+46
[2] 基于GPU的数字图像并行处理方法
盖素丽
[J]. 电子产品世界, 2009, 16 (02) : 38 - 40+48
[3] 无人机遥感影像获取及后续处理探讨
洪宇
龚建华
胡社荣
黄明祥
[J]. 遥感技术与应用, 2008, (04) : 462 - 466+361
[4] 宽基线立体影像点、线特征提取与匹配方法研究[D]. 杨化超.中国矿业大学. 2010
[5] GPU高性能运算之CUDA[M]. 中国水利水电出版社 , 张舒, 2009
[6] Feature tracking and matching in video using programmable graphics hardware
Sinha, Sudipta N.
Frahm, Jan-Michael
Pollefeys, Marc
Genc, Yakup
[J]. MACHINE VISION AND APPLICATIONS, 2011, 22 (01) : 207 - 217
[7] Distinctive image features from scale-invariant keypoints
Lowe, DG
[J]. INTERNATIONAL JOURNAL OF COMPUTER VISION, 2004, 60 (02) : 91 - 110
[8] Scale-space theory: a basic tool for analyzing structures at different scales[J] . Tony Lindeberg.Journal of Applied Statistics . 1994 (1-2)
[9] THE STRUCTURE OF IMAGES
KOENDERINK, JJ
[J]. BIOLOGICAL CYBERNETICS, 1984, 50 (05) : 363 - 370

← 1 →