学位论文 > 优秀研究生学位论文题录展示

基于图形处理器的SIFT算法研究

作　者: 刘昌洪
导　师: 王乘
学　校: 华中科技大学
专　业: 空间信息科学与技术
关键词: 图像配准异构计算 SIFT GPU
分类号: TP391.41
类　型: 硕士论文
年　份: 2011年
下　载: 92次
引　用: 0次
阅　读: 论文下载

内容摘要

图像配准是图像处理中的一项重要的技术,为许多更高级的图像处理技术提供了基础性的支持。根据选取模式的不同,图像配准方法主要分为两大类:基于区域(灰度)的配准和基于特征的配准。基于特征的配准由于其表现稳定,方法灵活,实用性广,得到了广泛的研究和应用。SIFT算法是目前较为流行的一种稳定的基于特征的配准方法,由于其具有尺度和旋转不变性,对光照和视角变换也具有较好的鲁棒性,日益成为学术研究和工程应用的热点。SIFT算法虽然具有优秀的表现,可是其速度和效率方面的不足,限制了他在更多领域的应用,例如视频检索,目标跟踪,对象识别等时间敏感的应用。针对这一问题,为了改善SIFT在这些应用中的表现,本文引入了GPU+CPU的异构计算平台,提出了一种SIFT算法的异构实现方法,将SIFT算法中的耗时较多的尺度空间生成,高斯卷积等算术密集型运算转移到GPU上实现,充分利用GPU的超大规模流式处理器阵列以及高速片上内存的优势,提高了SIFT算法的效率和速度,为进一步研究和应用打下基础。基于特征的图像配准方法一般流程分为四步:提取特征、生成特征空间、查找匹配特征、配准图像。本文将研究重点放在提取特征这一步。在Microsoft Visual Studio 2008 Express,OpenCV 2.1,CUDA 3.2.16的综合平台下,本研究对SIFT算法的异构实现进行了开发和实验,构建了一个异构体系的图像配准系统。最终实验结果证明了,GPU能够有效的提升SIFT算法的配准速度,GPU+CPU的异构平台能对计算密集型的图像配准算法带来速度上的提升。

全文目录

摘要  4-5
Abstract  5-9
1 绪论  9-14
  1.1 课题研究的背景  9-10
  1.2 图像配准的研究现状  10-12
  1.3 论文内容及组织结构  12-14
2 图像配准的基本理论与方法  14-17
  2.1 图像配准的基本原理  14-15
  2.2 图像配准的主要方法及其分类  15-16
  2.3 图像配准的一般流程  16-17
3 GPU 的硬件架构和编程模型  17-24
  3.1 异构计算系统简介  17-18
  3.2 GPU 的硬件架构  18-22
  3.3 GPU 的软件体系  22-24
4 SIFT 算法及其改进  24-53
  4.1 SIFT 算法原理  24-33
  4.2 SIFT 算法的改进  33-37
  4.3 SIFT 算法的异构实现  37-53
5 试验结果及对比分析  53-61
  5.1 试验结果  53-60
  5.2 对比结果分析  60-61
6 全文总结与展望  61-63
  6.1 全文总结  61-62
  6.2 展望  62-63
致谢  63-64
参考文献  64-66

基于图形处理器的SIFT算法研究

内容摘要

全文目录

相似论文