SIFT特征分布式并行提取算法

被引：7

作者：

姜桂圆

张桂玲

张大坤

机构：

[1] 天津工业大学计算机科学与软件学院

来源：

计算机研究与发展 | 2012年 / 05期

关键词：

SIFT; DP-SIFT; 数据并行; 消息传递; 并行图像处理; 数据分块;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

SIFT(scale invariant feature transform)特征在物体检测和识别、图像配准与融合、纹理识别、场景分类、人脸检测、图像检索、三维重建、数字水印、影像追踪等领域具有广泛应用,但存在计算量大、消耗时间长的缺点.基于消息传递机制,采用数据并行策略,提出了在PC机群或COW(cluster ofworkstation)上提取图像SIFT特征的分布式并行算法(DP-SIFT算法):根据特征空间-高斯尺度金字塔的特点提出了高度宽度受限的数据块划分算法,设计了数据分配和特征调整方法;研究了数据块划分和数据发送方法对通信时间的影响,提出了基于消息传递机制的并行图像处理中数据块划分与数据发送方式协同对通信优化的策略;实验结果表明DP-SIFT算法具有良好的加速性能和较高的处理器利用效率,千兆以太网连接32核的PC机群系统图像规模为1024×768时,加速比和处理器效率分别可以达到20和0.6;图像规模为2048×1536时可达18和0.56.

引用

页码：1130 / 1141

页数：12

共 5 条

[1] 基于MPI的遥感影像高效能并行处理方法研究 [J].

沈占锋 ;

骆剑承 ;

陈秋晓 ;

盛昊 .

中国图象图形学报, 2007, (12) :2132-2136

[2] PIWA-LOC——一种Cluster环境下的大图像并行重采样算法 [J].

蒋艳凰 ;

杨学军 ;

易会战 .

计算机研究与发展, 2005, (05) :835-843

[3] 分布式并行遥感图像处理中的数据划分 [J].

黄国满 ;

郭建峰 .

遥感信息, 2001, (02) :9-12

[4] Distinctive image features from scale-invariant keypoints [J].

Lowe, DG .

INTERNATIONAL JOURNAL OF COMPUTER VISION, 2004, 60 (02) :91-110

[5]

SIFI implementation and optimization for general-purpose GPU .2 Heymann S,Mueller K,Smolic A,et al. Proc of the Int Conf in Central Europe on Computer Graphics (WSCG’’07) . 2007

← 1 →